Due to the time dependence between

Due to the time dependence between observations the evaluation procedures for

time series prediction models are different from standard methods. The latter

are usually based on resampling strategies (for instance bootstrap or cross vali-
dation), which work by obtaining random samples from the original unordered

data. The use of these methodologies with time series could lead to undesirable

situations like using future observations of the variable for training purposes14

, and evaluating models with past data. In order to avoid these problems we

usually split the available time series data into time windows, obtaining the

models with past data and testing it on subsequent time slices.

The main purpose of any evaluation strategy is to obtain a reliable value of

the expected predictive accuracy of a model. If our estimate is reliable we can

be reasonably confident that the predictive performance of our model will not
deviate a lot from our estimate when we apply the model to new data from the

same domain. In Section 2.7 (page 64) we have seen that the key issue to obtain

reliable estimates is to evaluate the models on a sample independent from the

data used to obtain them.

ผลลัพธ์ (ไทย) 1:

เนื่องจากพึ่งพาเวลาระหว่างสังเกตขั้นตอนการประเมินสำหรับเวลาชุดคาดเดารูปแบบจะแตกต่างจากวิธีการมาตรฐาน หลังมักจะขึ้นอยู่กับการเปลี่ยนความละเอียดของกลยุทธ์ (การเริ่มต้นระบบ หรือ ข้าม vali-dation), ที่ทำงาน โดยได้รับการสุ่มตัวอย่างจากเดิมปกติข้อมูล การใช้วิธีการเหล่านี้กับชุดเวลาอาจนำไปสู่ผลสถานการณ์เช่นใช้สังเกตการณ์ในอนาคตของตัวแปรสำหรับการฝึกอบรม purposes14และการประเมินแบบจำลองกับข้อมูลผ่านมา เพื่อหลีกเลี่ยงปัญหาเหล่านี้เรามักจะแบ่งชุดข้อมูลเวลาว่างเวลา windows ได้รับการแบบจำลองข้อมูลอดีตและทดสอบในเสี้ยวเวลาต่อมาวัตถุประสงค์หลักของกลยุทธ์การประเมินผลจะได้รับค่าความน่าเชื่อถือความแม่นยำคาดคาดการณ์ของแบบจำลอง ถ้าเราประเมินความน่าเชื่อถือ เราสามารถค่อนข้างมั่นใจว่า การมอบประสิทธิภาพของรูปแบบของเราจะไม่deviate มากจากการประเมินของเราเมื่อเราใช้รูปแบบข้อมูลใหม่จากการโดเมนเดียวกัน ในส่วน 2.7 (หน้า 64) เราได้เห็นซึ่งประเด็นหลักเพื่อขอรับประเมินความน่าเชื่อถือคือการ ประเมินรูปแบบในตัวอย่างเป็นอิสระจากการข้อมูลที่ใช้ในการได้รับพวกเขา

ผลลัพธ์ (ไทย) 2:

เนื่องจากการพึ่งพาอาศัยกันเวลาระหว่างขั้นตอนการประเมินผลข้อสังเกตสำหรับเวลาคาดการณ์แบบจำลองชุดที่แตกต่างจากวิธีการมาตรฐาน หลังมักจะขึ้นอยู่กับกลยุทธ์ resampling (เช่นบูตหรือข้าม vali- dation) ซึ่งทำงานโดยได้รับตัวอย่างที่สุ่มจากเดิมเรียงลำดับข้อมูล การใช้วิธีการเหล่านี้ด้วยอนุกรมเวลาอาจนำไปสู่ที่ไม่พึงประสงค์สถานการณ์เช่นการใช้การสังเกตในอนาคตของตัวแปร purposes14 การฝึกอบรมและการประเมินผลรุ่นที่มีข้อมูลที่ผ่านมา เพื่อหลีกเลี่ยงปัญหาเหล่านี้เรามักจะแยกข้อมูลอนุกรมเวลาที่มีอยู่ในหน้าต่างเวลาการได้รับรุ่นที่มีข้อมูลที่ผ่านมาและการทดสอบบนชิ้นเวลาต่อมา. วัตถุประสงค์หลักของกลยุทธ์การประเมินใดเพื่อให้ได้ค่าที่เชื่อถือได้ของความถูกต้องคาดการณ์คาดว่า ของรูปแบบ หากประมาณการของเรามีความน่าเชื่อถือที่เราสามารถจะมีความมั่นใจพอสมควรว่าการคาดการณ์ผลการดำเนินงานของรูปแบบของเราจะไม่เบี่ยงเบนมากจากประมาณการของเราเมื่อเราใช้รูปแบบข้อมูลใหม่จากโดเมนเดียวกัน ในมาตรา 2.7 (หน้า 64) เราได้เห็นว่าปัญหาสำคัญที่จะได้รับการประมาณการที่เชื่อถือได้คือการประเมินรูปแบบในตัวอย่างที่เป็นอิสระจากข้อมูลที่ใช้ในการได้รับพวกเขา

ผลลัพธ์ (ไทย) 3:

เนื่องจากเวลาการพึ่งพาระหว่างสังเกตการประเมินวิธีการพยากรณ์ข้อมูลอนุกรมเวลาแบบ

จะแตกต่างจากวิธีมาตรฐาน . หลัง

มักจะขึ้นอยู่กับการสุ่มซ้ำ ( เช่น Bootstrap หรือข้ามวาลี -
SIRS ) ซึ่งทำงานโดยการสุ่ม ตัวอย่าง จากเดิมเรียงลําดับ

ข้อมูล การใช้วิธีการเหล่านี้กับอนุกรมเวลา จะนำไปสู่การไม่พึงประสงค์

สถานการณ์เช่นการใช้ในอนาคต 1 .

purposes14 การฝึกอบรมและการประเมินแบบจำลองกับข้อมูลในอดีต เพื่อหลีกเลี่ยงปัญหาเหล่านี้ เรา

มักจะแยกของข้อมูลอนุกรมเวลาใน Windows เวลาขอรับ

รุ่นที่ผ่านมาข้อมูลและการทดสอบในเวลาต่อมาชิ้น

จุดประสงค์หลักของการประเมินผลกลยุทธ์เพื่อให้ได้ค่าความน่าเชื่อถือของ

คาดทำนายความถูกต้องของแบบจำลอง หากเราประมาณการที่เชื่อถือได้เราสามารถ

จะเหมาะสม มั่นใจว่าผลงานของเราจะไม่ทำนายแบบ
เบี่ยงเบนมากจากประมาณการของเราเมื่อเราใช้แบบใหม่ข้อมูลจาก

เมนเดียวกัน . ในส่วน 2.7 ( หน้า 64 ) เราได้เห็นแล้วว่า ปัญหาสําคัญขอรับ

เชื่อถือได้ประเมิน เพื่อประเมินแบบจำลองตัวอย่างอิสระจาก

ข้อมูลที่ใช้ในการรับ