應用拔靴集中演算法於時間序列迴歸模型中加以降低預測均方誤差

Tunghai University Institutional Repository > 管理學院 > 統計學系所 > 碩博士論文 > Item 310901/2419

Please use this identifier to cite or link to this item: http://140.128.103.80:8080/handle/310901/2419

Title:	應用拔靴集中演算法於時間序列迴歸模型中加以降低預測均方誤差
Authors:	謝有為 Xie, You-Wei
Contributors:	黃愉閔東海大學統計學系
Keywords:	拔靴集中演算法;脊迴歸;預測均方誤差
Date:	2008
Issue Date:	2011-03-14T06:41:40Z (UTC)
Abstract:	這篇文章主要的焦點與動機在於降低預測的均方誤差（prediction mean square error , PMSE），首先我們假設了一個時間序列迴歸模型，然後使用拔靴集中演算法（bagging）於此模型上，這個方法可以產生多個不同形式的預測量並且藉此得到一個集中的預測量（aggregated predictor）。假設預測是一個數值的結果（numerical outcome），則我們將上述的多個預測量平均（averaging）起來就可以得到集中的效果。而建構預測量的方式，我們可以藉由拔靴法（bootstrap）從一個學習集合（learning set）當中重新抽樣並且把重新取樣的資料當成多個新的學習集合，每一個新的學習集合可以產生一個預測量。我們應用真實和模擬的資料來對拔靴集中演算法在降低預測均方誤差上面的表現做評估，在本文的應用上，拔靴集中預測值（bagging prediction）在大部分的時候要比一般時間序列迴歸模型預測值來的更加精確，並且可以有效的降低預測的均方誤差。如果擾亂且不穩定的學習集合會在預測量的建構上產生顯著的影響，則拔靴集中演算法似乎可以有效的改善預測的精確度。儘管如此，拔靴集中演算法並非是現今唯一有能力達到降低預測均方誤差效果的方法。
Appears in Collections:	[統計學系所] 碩博士論文

Files in This Item:

File	Size	Format
index.html	0Kb	HTML	396	View/Open

Loading...