基于NNETAR和BRNN的集成机器学习模型

Question

我使用forecast包使用其滞后值和外部参数X的时间序列来预测变量Y的每日时间序列。我发现nnetar模型(一种NARX模型)在整体性能方面是最好的。然而，尽管我尝试了各种参数调整，但我无法很好地预测时间序列的峰值。

然后，我提取了Y的峰值(高于阈值)(当然，这不再是一个常规的时间序列)和相应的X值，并尝试使用carat软件包中的各种模型来拟合回归模型(注意:不是自回归模型)。我发现仅使用X值的brnn(双向递归神经网络)模型对峰值的预测效果优于同时使用滞后值和X值的nnetar模型。

现在我的问题是，我如何从这里开始创建这两个模型的样本(即，每当使用brnn回归模型(或任何其他回归模型)的预测更好时，我希望使用nnetar替换预测并继续前进-我最关心的是峰值)？这是常用的方法吗？

Answer 1

与其试图选择一个在任何时候都更好的模型，通常更好的做法是对模型进行平均，以便包含尽可能多的独立视图。在我参与的实验中，我们试图根据历史表现选择一个表现更好的模型，通常表明简单的平均值也是一样好或更好。这与这个问题的典型结果是一致的：https://otexts.com/fpp2/combinations.html

因此，在您尝试通过尝试根据以前的性能选择特定模型或使用加权平均来进行更高级之前，请考虑对这两个模型进行简单的平均。

如果您想继续进行某种选择/加权平均，请尝试查看R：https://github.com/pmontman/fforma中的FFORMA包我还没有尝试过特定的包，但在使用原始m4metalearning包的测试中看到了有希望的结果。