Forecasting (二) : Deep Models [ongoing]

目录

 

A Survey

DeepAR

DeepVAR

---

A Survey

Lim, B., & Zohren, S. (2020). Time Series Forecasting With Deep Learning: A Survey. arXiv preprint arXiv:2004.13408.

[TODO]

DeepAR

• Salinas, D., Flunkert, V., Gasthaus, J., & Januschowski, T. (2020). DeepAR: Probabilistic forecasting with autoregressive recurrent networks. International Journal of Forecasting. https://doi.org/10.1016/j.ijforecast.2019.07.001

Advantages

1. 概率预测：得出的是分布预测。方便后续决策优化。
2. 考虑多序列相关性： 使用大量序列的特征进行训练一个global model，之后对每个序列单独应用。解决了一组品，既有爆品也有长尾的问题。即便切分成subgroup还是同样的问题。作者使用log-log图表达power law也就是类似二八定律带来的scale invariance问题。
3. 新品预测
4. 特征工程：自动进行一些数据填充和序列间归一等等(Amazon SageMaker, GluonTS)

Algo

一图搞定：使用LSTM网络，产出的是目标z的distribution。其中distributi