Bayesian regression - Делал ли кто советник по этому алгоритму? - страница 43

 
Дмитрий:
Стационарность — свойство процесса не менять свои характеристики со временем.
Какие характеристики конкретно?
 
Dmitry Fedoseev:
Какие характеристики конкретно?
Дисперсия
 
Дмитрий:
Дисперсия
и всё?
 
Если у тебя дисперсия ряда стремиться к бесконечности, то что ты там напрогнозируешь?
 
Dmitry Fedoseev:
и всё?
В широком смысле еще МО и функция распределения
 
Дмитрий:
В широком смысле еще МО и функция распределения
Тогда, в широком смысле, если МО, то достаточно стохастика. Нет?
 
Dmitry Fedoseev:
Тогда, в широком смысле, если МО, то достаточно стохастика. Нет?
сконцентрируйся на дисперсии - там корень зла
 
Дмитрий:

Нестационарные данные не прогнозируются моделями временных рядов. Ни статистическими моделями (регрессия, авторегрессия, сглаживание и пр.), ни структурными моделями (НС, классификация, цепи Маркова и пр.).

Только моделями предметных областей 

Не могу с Вами согласиться по поводу классификации.

Там вообще не просматривается проблема не стационарности. Вполне допустимы модели на номинальных (категорийных) данных. Не стационарность к номинальным данным вообще не имеет отношение. Более того, преобразование случайных величин в номинальные, например, RSI в уровни, очень благоприятно влияет на результат.

Там следующая за нестационарностью проблема, которая является фундаментальной для любого моделирования - переобученность  (сверх подгонка) модели. И для решения проблемы переобученности надо серьезно заниматься предикторами.  

 
СанСаныч Фоменко:

Не могу с Вами согласиться по поводу классификации.

Там вообще не просматривается проблема не стационарности. Вполне допустимы модели на номинальных (категорийных) данных. Не стационарность к номинальным данным вообще не имеет отношение. Более того, преобразование случайных величин в номинальные, например, RSI в уровни, очень благоприятно влияет на результат.

Там следующая за нестационарностью проблема, которая является фундаментальной для любого моделирования - переобученность  (сверх подгонка) модели. И для решения проблемы переобученности надо серьезно заниматься предикторами.  

Классификация тоже базируется на характеристиках входящих данных, а если эти характеристики меняются со временем, то в будущем применение классификации даст некорректный прогноз
 
Всё печально...