评估预测性能- MATLAB和Simulink - 卡塔尔世界杯8强比赛直播

评估预测表现

如果您计划使用拟合模型进行预测，一个好的做法是评估模型的预测能力。样本内拟合良好的模型不能保证预测良好。例如，过拟合会导致良好的样本内拟合，但预测性能较差。

在检查预测性能时，重要的是不要重复使用数据。也就是说，用于拟合模型的数据应该与用于评估预测的数据不同。您可以使用交叉验证来评估样本外预测能力:

将时间序列分为两部分:训练集和验证集。
为你的训练数据建立模型。
在验证期内预测拟合模型。
使用图和数值摘要(如预测均方误差)将预测结果与持久性验证观测结果进行比较。

预测均方误差(PMSE)衡量模型预测与观测数据之间的差异。假设你有一个长度的时间序列N，你放在一边米验证点，表示 $y_{1}^{v} ， y_{2}^{v} ， .．. ， y_{米}^{v} ．$ ．在把你的模型装到第一个之后N- - - - - -米数据点(训练集)，生成预测 ${\overset{＾}{y}}_{1}^{v} ， {\overset{＾}{y}}_{2}^{v} ， .．. ， {\overset{＾}{y}}_{米}^{v} ．$

模型PMSE计算为

$PMSE ＝ \frac{1}{米} {\sum_{我＝ 1}^{米} （ y_{我}^{v} - {\overset{＾}{y}}_{我}^{v} ）}^{2} ．$

你可以计算PMSE的各种选择米验证结果的稳健性。

评估预测表现

相关的例子

更多关于