Любая статистическая или машинная модель обучения имеет некоторые параметры, которые сильно влияют на то, как моделируются данные. Например, ARIMA имеет значения p, d, q. Эти параметры должны быть определены так, чтобы ошибка между фактическими значениями и смоделированными значениями была минимальной. Калибровка параметров считается наиболее важной и трудоемкой задачей подбора модели. Следовательно, для нас очень важно выбрать оптимальные параметры.
Методы калибровки параметров
Существуют различные способы калибровки параметров. В этом разделе подробно рассказывается о некоторых из них.
Хит-и-попробовать
Одним из распространенных способов калибровки моделей является ручная калибровка, когда вы начинаете с визуализации временных рядов и интуитивно пробуете некоторые значения параметров и меняете их снова и снова, пока не достигнете достаточного соответствия. Это требует хорошего понимания модели, которую мы пробуем. Для модели ARIMA ручная калибровка выполняется с помощью графика автокорреляции для параметра «p», графика частичной автокорреляции для параметра «q» и теста ADF для подтверждения стационарности временных рядов и установки параметра «d» , Мы обсудим все это подробно в следующих главах.
Grid Search
Другой способ калибровки моделей — это поиск по сетке, что по сути означает, что вы пытаетесь построить модель для всех возможных комбинаций параметров и выбрать модель с минимальной ошибкой. Это отнимает много времени и, следовательно, полезно, когда число параметров, подлежащих калибровке, и диапазон значений, которые они принимают, меньше, поскольку это включает в себя несколько вложенных циклов.
Генетический алгоритм
Генетический алгоритм работает на биологическом принципе, что хорошее решение в конечном итоге превратится в самое «оптимальное» решение. Он использует биологические операции мутации, кроссинговера и отбора, чтобы в итоге достичь оптимального решения.
Для получения дополнительных знаний вы можете прочитать о других методах оптимизации параметров, таких как байесовская оптимизация и оптимизация Swarm.