Meta-regressão para a previsão de erros em séries temporais

Abstract

Resumo: A presença de séries temporais em governos, pesquisas e empresas cresceu devido ao aumento da captura, processamento e armazenamento de dados. Por outro lado, existem vários modelos preditivos para cada serie temporal. Assim, a tarefa de previsão e escolha do melhor modelo para uma determinada serie temporal pode ser custosa. O objetivo deste artigo e criar um meta-regressor para prever erros em previsões de series temporais para facilitar a escolha do melhor modelo dada uma serie temporal e um modelo de previsão. Para ajustar este meta-regressor, usamos 60 características de extraídas de cerca de 100.000 series temporais. Nossos resultados experimentais mostram que o método proposto supera todos os quinze regressores usados neste trabalho e produz uma soma de erros 20% menor que o melhor regressor.

Abstract: The presence of time series in governments, research, and companies has grown due to increased data capture, processing, and storage. On the other hand, there are several predictive models for every time-series. Thus, the prediction task and choosing the best model for a given time series can be costly. The purpose of this paper is to create a meta-regressor for predicting errors in time series predictions to facilitate the choice of the best model given a time series and a forecast model. To fit this meta-regressor, we have used 60 time-series features extract from about 100,000 time-series. Our experimental results show that the proposed method surpasses all fifteen regressors used in this work and produces a sum of errors 20% smaller than the best regressor.