Question

我一直试图通过Pierre Gaillard和Yannig Goude来理解Opera“专家聚合的在线预测”。我读了Pierre Gaillard（http://pierre.gaillard.me/opera.html）和Rob Hyndman（https://robjhyndman.com/hyndsight/forecast-combinations/）的两篇文章。但是，我不明白如何预测未来的价值观。在皮埃尔的例子中，newY = Y表示测试数据集（Y < - data_test $ Load），它是法国电力负荷的每周观测值。如下所示，数据将于2009年12月结束。现在，我如何预测2010年的价值？这里有什么新人？

> tail(electric_load,5)
Time Day Month Year   NumWeek     Load    Load1      Temp     Temp1  IPI 

727  727  30    11 2009 0.9056604 63568.79 58254.42  7.220536 10.163839 91.3    88.4
728  728   7    12 2009 0.9245283 63977.13 63568.79  6.808929  7.220536 90.1    87.7
729  729  14    12 2009 0.9433962 78046.85 63977.13 -1.671280  6.808929 90.1    87.7
730  730  21    12 2009 0.9622642 66654.69 78046.85  4.034524 -1.671280 90.1    87.7
731  731  28    12 2009 0.9811321 60839.71 66654.69  7.434115  4.034524 90.1    87.7

我注意到，通过将MLpol0的权重乘以X，我们获得与在线预测值类似的输出。

> weights <- predict(MLpol0, X, Y, type='weights')
> w<-weights[,1]*X[,1]+weights[,2]*X[,2]+weights[,3]*X[,3]
> predValues <- predict(MLpol0, newexpert = X, newY = Y, type='response')


 Test_Data predValues  w
620  65564.29 65017.11 65017.11
621  62936.07 62096.12 62096.12
622  64953.83 64542.44 64542.44
623  61580.44 60447.63 60447.63
624  71075.52 67622.97 67622.97
625  75399.88 72388.64 72388.64
626  65410.13 67445.63 67445.63
627  65815.15 62623.64 62623.64
628  65251.90 64271.97 64271.97
629  63966.91 61803.77 61803.77
630  64893.42 65793.14 65793.14
631  69226.32 67153.80 67153.80

但我仍然不确定如何用newY生成重量。也许我们可以使用MLpol输出的最终系数来预测未来的价值？

 (c<-summary(MLpol <- mixture(Y = Y, experts = X, model = "MLpol", loss.type = "square"))$coefficients)
[1] 0.585902 0.414098 0.000000

对不起，我可能会对此表示不满，我的问题根本没有意义，但我非常感谢任何帮助/见解。

Answer 1

Opera软件包的想法与带有训练集和测试集的经典批处理机器学习方法有些不同。目标是进行顺序预测：

每轮t = 1，...，n， 1）该算法接收专家对n + 1轮的预测， 2）通过结合专家对该时间步进行预测 3）通过使用新的输出来更新用于组合的权重

如果您有样本外的预测（即，专家预测没有输出的未来值），则最好的办法是使用最后一个系数，并使用以下系数来进行预测：

    newexperts %*% model$coefficients

实际上，您可能还希望使用平均系数。您也可以使用

    predict (object, # for exemple, mixture(model='FS', loss.type="square")
           newexperts = # matrix of out-of-sample experts predictions
           online = FALSE,
           type = 'response')

通过使用参数online = FALSE，该模型不需要任何newY。它不会更新模型。当您提供newY时，该算法不会作弊。它不使用圆点t处的值进行圆点t的预测。 newY的值仅用于逐步更新系数，就像预测是顺序进行的一样。

我希望这会有所帮助。

使用R中的OPERA包预测Future值

1 个答案: