重新思考多元时间序列预测的通道依赖性:从领先指标中学习
原文中文,约300字,阅读约需1分钟。发表于: 。我们提出了一种名为 LIFT 的新方法,针对多元时间序列预测,它通过有效地估计领先指标并将领先指标的先行信息巧妙地应用于滞后变量,可以实现与任意时间序列预测方法的无缝合作,并在六个真实数据集上的大量实验证明,LIFT 在平均预测性能上提高了 5.5%。
本文综合实证和理论分析了多元时间序列数据的特征和不同策略。结果显示,CD方法容量更高但缺乏鲁棒性,而CI方法在容量和鲁棒性之间权衡。因此,提出了PRReg方法来解决困境,并超越CI策略,希望提高对多元时间序列数据的认识和预测模型构建。