使用 epsilon-SVR 直接预测答案

【问题标题】：Direct forecast using epsilion-SVR使用 epsilon-SVR 直接预测
【发布时间】：2015-07-20 06:20:21
【问题描述】：

是否可以使用 epsilion-svr 直接预测未来？

我的数据集是一个单变量时间序列，每行都有这种格式的记录：

Y(t-W), Y(t-W+1), ..., Y(t), Y(t+PH)

W 是要考虑的时间步数

PH 控制我要预测的未来步数。

这对PH > 1 有效吗？

【问题讨论】：

标签： matlab time-series libsvm forecasting

【解决方案1】：

基于 Support-Vector-Regression 的预测器正是用于此目的。

应该代表PH >= 1。

epsilon-SVR 模型中epsilon 的值指定了 epsilon-tube，在该 epsilon-tube 中，训练损失函数中没有惩罚与预测的点在距离实际值 epsilon 内的点 Y(t)。

model = svmtrain( Y_targets,      %% Mx1 vector of the training data target response values,
                  X_trainSamples, %% MxN matrix of the training samples, having N features, where N = W + 1
                  param           %% ref. below
                  );

param 是指定模型参数的字符串。

对于回归，典型的参数字符串可能如下所示， ‘-s 3 -t 2 -c 20 -g 64 -p 1’在哪里

-s svm type,        3 for epsilon-SVR
-t kernel type,     2 for radial basis function
-c cost parameter C of epsilon-SVR
-g width parameter gamma for RBF kernel
-p epsilon for epsilon-SVR

无论如何，请查看您的 SVR 实施详细文档以了解更多详细信息。

【讨论】：

当使用 svmpredict 函数预测未来值时，我们在训练阶段提供标签。为什么？只是为了得到 MSE 和训练数据的自相关结果吗？当我们想用测试数据测试模型时，可以给一个随机值吗？
嗯，SVR 预测器提供值，而不是标签作为面向分类器的预测器。需要训练数据集来开发最小化 SVR 惩罚函数的过程并提供一组支持向量。交叉验证有助于进一步更好地调整学习器的参数，从而使泛化和过拟合变得更好，并允许预测器更好地处理样本外数据（超出 TimeSeries 的训练时期）。
我无法理解如何对时间序列进行交叉验证。数据集中记录的顺序不重要吗？我们只需要维护每条记录内的顺序吗？关于 epsilon 参数，是否可以先验知道我们正在处理的问题类型，对吗？
交叉验证的工作方式与其他数据集相同。您可能想知道，如果对任何其他主题感兴趣，StackOverflow 社区鼓励作为另一个问题提出，以防止“爬行”和“扩大”原来的关注主题在原始帖子中。
很高兴知道答案已被接受并帮助了您。 StackOverflow 网络礼节鼓励用户通过点击 [+1] 来表达这一点。 不要犹豫“投票”，并在您发现您认为有用的有用知识时，为好的问题和答案展示这一点。 享受成为这个伟大的 StackOverflow 社区的积极成员。