Un resumen compacto acelera la búsqueda de pronósticos combinados
En palabras sencillas
Se pueden combinar varios modelos para hacer pronósticos, pero elegir cuánto peso dar a cada uno después de recibir los datos puede obligar a recalcular, para cada opción y cada grupo, los intervalos de predicción ajustados para lograr una cobertura objetivo.
CALQA guarda un resumen de tamaño fijo que filtra las opciones de pesos sin volver a leer las filas. Ese resumen también puede combinarse con otros y ajustarse cuando se eliminan datos.
Los investigadores filtraron opciones con CALQA y luego recalcularon exactamente las 100 mejor situadas. En cinco paneles públicos de pronósticos, la puntuación media por bloques reservados de las opciones elegidas fue el 99.95% de la obtenida con la búsqueda exacta, y la búsqueda fue más rápida en las 34 familias probadas.
La investigación
Cuando los pesos para combinar modelos de pronóstico se eligen después de recibir los datos, la calibración exacta puede exigir puntuar de nuevo las mismas filas de cada grupo para cada opción. ¿Puede un resumen compacto reducir una búsqueda extensa y mantener los intervalos calibrados de la configuración elegida cerca de los obtenidos mediante el recálculo exacto?
CALQA filtra pesos elegidos a posteriori para combinar modelos de pronóstico mediante un resumen combinable y después comprueba exactamente los mejores candidatos antes de elegir una configuración.
Los investigadores crearon CALQA, un resumen combinable que filtra posibles pesos para combinar modelos sin volver a leer las filas de calibración. Estima el ajuste del intervalo de cada candidato a partir de histogramas almacenados de puntuaciones por bloque; después, un recálculo exacto puede comprobar las mejores opciones.
En la búsqueda sobre paneles públicos, volver a comprobar los 100 mejores produjo una puntuación media de Winkler por bloques reservados equivalente al 99.95% de la obtenida con la búsqueda exacta.
Al reducir el número de candidatos que exigían recalcular las filas, la búsqueda fue más rápida en las 34 familias probadas.
La similitud entre las puntuaciones de búsqueda no demuestra que los pronósticos elegidos alcancen la cobertura objetivo al usarlos con sus ajustes exactos: la cobertura media por bloques reservados para la evaluación fue de 0.84–0.90 por familia, por debajo del objetivo de 0.9.
El artículo recomienda recalibrar la configuración elegida con bloques reservados cuando se necesite alcanzar la cobertura nominal.
Análisis
Detalles
- Autores del paper original
- Xiufeng Liu, Ruyu Liu, Yusen Liu, Huan Huo, Per Sieverts Nielsen
- Enviado a arXiv
- Licencia
- arXiv non-exclusive