Прогнозирование

Материал из MachineLearning.

Версия 20:52, 28 февраля 2010 (править) Yury Chekhovich (Обсуждение | вклад) (дополнение) ← К предыдущему изменению		Версия 19:58, 15 июня 2026 (править) (отменить) Vsevolod Peretiatko (Обсуждение | вклад) (Преамбула и математическая постановка задачи, переработка) К следующему изменению →
Строка 1:		Строка 1:
-	'''Прогноз''' — это процесс или результат предсказания тех или иных фактов, событий, явлений, величин, которые станут известны лишь в будущем по отношению к моменту времени, в котором создается прогноз. Под прогнозом также иногда понимают модель будущего события, явления и т. п.	+	{{well|Статья частично расширена с использованием LLM '''Gemini 3.5 Flash''' и проверена участником [[Участник:Vsevolod Peretiatko|Vsevolod Peretiatko]] 23:58, 15 июня 2026 (MSD)}}
-	'''Прогнозирование''' — это процесс (часто основанный на научном исследовании) по расчету прогноза или разработке прогнозной модели.	+	'''Прогнозирование''' (англ. ''forecasting'') — область машинного обучения и прикладной статистики, задача которой заключается в предсказании будущих значений целевого процесса или величины на основе исторических данных, а также доступной сопутствующей информации.
-	В узком смысле под прогнозированием понимают предсказание будущих значений [[Временной ряд|временного ряда]] на основе его значений в прошлом, и, возможно, дополнительной информации. Такую дополнительную информацию представляют влияющие на ситуацию внешние факторы. Например, для прогнозирования временного ряд спроса на какой-либо товар это могут быть предложения замещающих товаров, для экспортных грузоперевозок — таможенные пошлины и курс доллара, для цен акций — политические решения и т. д.	+	В контексте анализа данных прогнозирование чаще всего сводится к анализу [[Временной ряд|временных рядов]] (англ. ''time series forecasting''). Главное отличие задачи прогнозирования от классической задачи [[Регрессия|регрессии]] заключается в нарушении предположения о независимости и одинаковой распределённости наблюдений (i.i.d.): данные в прогнозировании упорядочены во времени и обладают внутренней зависимостью (автокорреляцией).
-	== Примеры прогнозированых моделей ==	+	== Математическая постановка задачи ==
-	* [[Математический прогноз даты сильных землетрясений]]	+
-	* [[Прогнозирование количества телефонных звонков клиентов телекоммуникационной компании]]	+
-	{{stub}}	+	Пусть задан случайный процесс, наблюдаемый в дискретные моменты времени <tex>t = 1, 2, \dots, T</tex>. Значение целевой переменной в момент времени <tex>t</tex> обозначим как <tex>y_t \in \mathbb{R}</tex>.
-	[[Категория:Прогнозирование]]	+	Также в каждый момент времени может быть доступен вектор экзогенных (внешних) факторов <tex>\mathbf{x}_t \in \mathbb{R}^d</tex>, которые влияют на целевую переменную, но сами от неё не зависят (например, метеоусловия для прогноза энергопотребления).
		+
		+	Задача прогнозирования заключается в построении модели (алгоритма) <tex>f</tex>, которая по известной предыстории длины <tex>k</tex> предсказывает значения целевой переменной на <tex>h</tex> шагов вперёд. Величина <tex>h \ge 1</tex> называется '''горизонтом прогнозирования''' (англ. ''forecasting horizon'').

---

Версия 19:58, 15 июня 2026

Статья частично расширена с использованием LLM Gemini 3.5 Flash и проверена участником Vsevolod Peretiatko 23:58, 15 июня 2026 (MSD)

Прогнозирование (англ. forecasting) — область машинного обучения и прикладной статистики, задача которой заключается в предсказании будущих значений целевого процесса или величины на основе исторических данных, а также доступной сопутствующей информации.

В контексте анализа данных прогнозирование чаще всего сводится к анализу временных рядов (англ. time series forecasting). Главное отличие задачи прогнозирования от классической задачи регрессии заключается в нарушении предположения о независимости и одинаковой распределённости наблюдений (i.i.d.): данные в прогнозировании упорядочены во времени и обладают внутренней зависимостью (автокорреляцией).

Математическая постановка задачи

Пусть задан случайный процесс, наблюдаемый в дискретные моменты времени . Значение целевой переменной в момент времени обозначим как .

Также в каждый момент времени может быть доступен вектор экзогенных (внешних) факторов , которые влияют на целевую переменную, но сами от неё не зависят (например, метеоусловия для прогноза энергопотребления).

Задача прогнозирования заключается в построении модели (алгоритма) , которая по известной предыстории длины предсказывает значения целевой переменной на шагов вперёд. Величина называется горизонтом прогнозирования (англ. forecasting horizon).