নিয়মিতকরণ বা জরিমানার (যেমন লাসো, ইলাস্টিক নেট বা রিজ রিগ্রেশন সহ) একটি এরিম্যাক্স মডেল ফিট করা

Question

আমি বিভিন্ন কোভেরিয়েটসের সাথে এআরএমএক্স মডেলের ফিট করতে পূর্বাভাস প্যাকেজে অটো.রিমা () ফাংশনটি ব্যবহার করি । যাইহোক, আমার প্রায়শই নির্বাচন করতে প্রচুর পরিমাণে ভেরিয়েবল থাকে এবং সাধারণত একটি চূড়ান্ত মডেল থাকে যা সেগুলির একটি সাবসেট নিয়ে কাজ করে। পরিবর্তনশীল নির্বাচনের জন্য অ্যাড-হক কৌশলগুলি আমি পছন্দ করি না কারণ আমি মানব এবং পক্ষপাতিত্বের বশবর্তী, তবে ক্রস-বৈধকরণের সময় সিরিজটি শক্ত , সুতরাং আমার উপলব্ধ ভেরিয়েবলগুলির বিভিন্ন সাবসেটগুলি স্বয়ংক্রিয়ভাবে চেষ্টা করার জন্য আমি ভাল উপায় খুঁজে পাইনি, এবং আমি আমার নিজের সেরা রায়টি ব্যবহার করে আমার মডেলগুলি টিউন করতে আটকে আছি।

আমি যখন গ্ল্যাম মডেলগুলি ফিট করি তখন আমি গ্ল্যামনেট প্যাকেজটির মাধ্যমে নিয়মিতকরণ এবং পরিবর্তনশীল নির্বাচনের জন্য ইলাস্টিক নেট বা লাসো ব্যবহার করতে পারি । আরম্যাক্স মডেলগুলিতে ইলাস্টিক নেট ব্যবহার করার জন্য কি আর-তে বিদ্যমান একটি টুলকিট রয়েছে, বা আমি কি আমার নিজস্ব রোল করতে চলেছি? এটি কি একটি ভাল ধারণা?

সম্পাদনা: এআর এবং এমএ পদগুলি ম্যানুয়ালি গণনা করা (এআর 5 এবং এমএ 5 পর্যন্ত বলুন) এবং মডেলটির সাথে মানানসই গ্ল্যামনেট ব্যবহার করা কী বোঝায়?

সম্পাদনা 2: দেখে মনে হচ্ছে যে ফিটার প্যাকেজটি আমাকে সেখানকার অংশ হিসাবে ভাগ করে নিচ্ছে, তবে সবকটিই নয়।

Comments

আপনি কি কখনও এই সমস্যাটি সম্পর্কে কিছু পরিচালনা করতে পেরেছিলেন তা জানতে আগ্রহী হব। আমি এটি কোনও আপডেটের জন্য চিহ্নিত করে রেখেছিলাম - সুতরাং এখানে কেবল বেস স্পর্শ করা।

— বিশাল বেলসারে

এটি সমাধান করার জন্য কখনই পরিচালিত হননি। আমি আমার নিজের প্রয়োগটি লেখার কথা ভেবেছিলাম কিন্তু এটার কাছাকাছি যাই নি। হতে পারে আপনি ম্যানুয়ালি এআর এবং এমএ পদগুলি গণনা করতে পারেন এবং তারপরে সেই ডেটাতে গ্ল্যামনেট প্রয়োগ করতে পারেন?

— জাচ

হাই জ্যাচ, আমি অবাক হয়েছি আপনি যদি এটিকে আরও নেন বা এটি এখনও পার্ক করে রেখেছেন কিনা। বিপুল সংখ্যক সিরিজের পূর্বাভাস দেওয়ার জন্য আমার এ জাতীয় একটি অ্যালগরিদম দরকার।

— ম্যাট ওয়েলার 17

@ ম্যাটওয়েলার আমি forecastআর এর জন্য দুর্দান্ত প্যাকেজের লেখক রব হ্যান্ডম্যানের সাথে কিছুটা কথা বলেছি । তিনি বলেছিলেন সম্পূর্ণ আরিমা নিয়ে এটি কঠিন হবে, কারণ আপনাকে ননলাইনার আরিমা অপটিমাইজারের চারপাশে লাসোটি জড়িয়ে রাখতে হবে। একটি আংশিক সমাধান glmnetহ'ল ল্যাগড ভেরিয়েবলগুলি ব্যবহার করে একটি এআর মডেল ফিট করা । যতদূর আমি জানি, এখনও কেউ পুরো আরিমা মডেল দিয়ে এটি করেনি।

— Zach 21

Answer 1

এটি কোনও সমাধান নয় তবে আমি যে সম্ভাবনাগুলি ও অসুবিধাগুলি জানি তার কিছু প্রতিফলন।

যখনই কোনও সময়-সিরিজের মডেলটি সহ কোভারিয়েট এবং সময়- পর্যবেক্ষণগুলি থেকে , আর-তে গ্ল্যামনেট ব্যবহার করে least -র সর্বনিম্ন-স্কোয়ার্স ইলাস্টিক নেট পেনালাইজড এস্টিমেটার গণনা করাও সম্ভব gl গ্ল্যামনেটে নির্দিষ্ট করা মডেল ম্যাট্রিক্স গঠনের জন্য আপনার গণনা করতে হবে। এটি এআর-মডেলগুলির জন্য কাজ করে তবে সরাসরি এআরএমএ-মডেলগুলির জন্য নয় say তদতিরিক্ত, সময়-সিরিজের ডেটাগুলির জন্য গ্ল্যামনেটের ক্রস-বৈধকরণ প্রক্রিয়াগুলি প্রতি বুদ্ধিমানের নয়।x t β x

$$Y_{t+1} = \mathbf{x}_t \beta + \epsilon_{t+1}$$ $\mathbf{x}_t$$\beta$$\mathbf{x}_t$

আরও সাধারণ মডেলগুলির জন্য non অ-রৈখিক সর্বনিম্ন-স্কোয়ারের ইলাস্টিক নেট দন্ডিত অনুমানের জন্য একটি অ্যালগরিদমের প্রয়োগ দরকার। আমার জ্ঞানের আর তে কোনও বাস্তবায়ন নেই is আমি বর্তমানে সমাধানের জন্য একটি বাস্তবায়ন লিখছি যেখানে বিন্দুটি হ'ল মডেল নির্বাচনের পক্ষে এটি সবচেয়ে গুরুত্বপূর্ণ যে লাসোর দণ্ড। এবং । আমি যদি আরিমা-প্যারামিট্রাইজেশনকে সঠিকভাবে স্মরণ করি তবে এটিও এই ফর্মটি গ্রহণ করে তবে আমি এই মুহুর্তে কোনও কোড অফার করতে পারি না। এটি (হবে) ভিত্তিক β Y t + 1 = x t g ( β ) + ϵ t + 1 β g ( β )

$$Y_{t+1} = f(\mathbf{x}_t, \beta) + \epsilon_{t+1}$$ $\beta$
$$Y_{t+1} = \mathbf{x}_t g(\beta) + \epsilon_{t+1}$$ $\beta$$g(\beta)$$-$ননমসথ পৃথকযোগ্য মিনিমাইজেশনের জন্য একটি সমন্বিত গ্রেডিয়েন্ট বংশদ্ভুত পদ্ধতি ।

আরেকটি সমস্যা হ'ল দন্ডের পরিমাণ (টিউনিং প্যারামিটার) নির্বাচন করা। সাধারণত সময়-সিরিজের জন্য এটির জন্য ক্রস-বৈধকরণের একটি ফর্মের প্রয়োজন হবে তবে আমি আশা করি যে নির্দিষ্ট মডেলগুলির জন্য কিছু কম কম্পিউটেশনালভাবে দাবি করা পদ্ধতিগুলি ব্যবহার করতে সক্ষম হব।

Comments

আর এর জন্য ক্যারেট প্যাকেজটিতে টাইম সিরিজ ক্রস বৈধকরণের ভাল প্রয়োগ রয়েছে যা গ্ল্যামনেটের জন্য পরামিতিগুলি নির্বাচন করতে ব্যবহার করা যেতে পারে। উত্তর করার জন্য ধন্যবাদ.

— Zach

Answer 2

আমাকে একটি ক্লায়েন্ট দ্বারা চ্যালেঞ্জ জানানো হয়েছিল একটি স্বয়ংক্রিয় অর্থাৎ টার্নকি উপায়ে এই সমস্যাটি সমাধান করুন। আমি একটি পদ্ধতির প্রয়োগ করেছি যে প্রতি জোড়া (যেমন y এবং প্রার্থী x), প্রাক-সাদা, প্রাক-সাদা রঙের সিরিজের গণনা ক্রস-পারস্পরিক সম্পর্ক, হস্তক্ষেপ সনাক্তকরণকে অন্তর্ভুক্ত করার সময় পিডিএল (বা কোনও মৃত সময়কালে অ্যাডল আউটরেগ্রেসিভ ডিস্ট্রিবিউটড ল্যাগ মডেল) চিহ্নিত করুন to দৃ estima় অনুমান উত্পাদন, এই কাঠামোর জন্য একটি "পরিমাপ" বিকাশ। সমস্ত প্রার্থী নিবন্ধকের জন্য এটি পরিচালনার পরে, তাদের "পরিমাপ" দ্বারা রেঙ্ক করুন এবং তারপরে "পরিমাপ" এর উপর ভিত্তি করে শীর্ষ কে রেজিস্ট্রারগুলি নির্বাচন করুন। এটি কখনও কখনও লিনিয়ার ফিল্টারিং হিসাবে উল্লেখ করা হয়। আমরা বাণিজ্যিকভাবে উপলভ্য টাইম সিরিজ প্যাকেজের মধ্যে এই উপাসনা সফলভাবে অন্তর্ভুক্ত করেছি। আপনার "আপনার নিজের রোল" করতে সক্ষম হওয়া উচিত

Comments

আমি বিশেষত লাসো বা ইলাস্টিক নেটকে একটি এআরআইএমএ মডেলের অন্তর্ভুক্ত করতে চাই।

— Zach

আমি সত্যিই একটি রৈখিক ফিল্টার খুঁজছি না (যদিও এটি দরকারী)। আমি বিশেষত লাসো, রিজ রিগ্রেশন বা ইরিস্টিক নেটকে একটি এরিমিক্স মডেলের অন্তর্ভুক্ত করার উপায় চাই।

— Zach

এই মুহুর্তে আমি স্তর শিফট, স্থানীয় সময়ের ট্রেন্ডস, গুণমান শিফট বা অ-ধ্রুবক ত্রুটি বৈকল্পিকতায় আগ্রহী নই। আমি এরিমিক্স মডেলগুলিতে ল্যাসো, রিজ বা ইলাস্টিক নেট নিয়মিতকরণ প্রয়োগে খুব আগ্রহী।

— জাচ

যদি আপনি উপরোক্ত পদ্ধতিতে লাসো, রিজ বা ইলাস্টিক নেট নিয়মিতকরণকে অন্তর্ভুক্ত করতে পারেন এবং একটি মুক্ত উত্স প্রোগ্রামিং ভাষায় কিছু উদাহরণ কোড পোস্ট করতে পারেন তবে আমি আপনাকে অনুগ্রহ প্রদান করে খুশি হব।

— Zach

@ ফ্র্যাঙ্ক আপনি অনুমানের মাধ্যমে সনাক্তকরণের চেষ্টা করছেন (পদক্ষেপ নিচে) এবং এটি কার্যকর হয় না কারণ সম্ভাব্য ডাল, স্তর শিফট, মৌসুমী ডাল এবং সময়ের প্রবণতাগুলির অনেকগুলি সংমিশ্রণ রয়েছে, যদি এই কাঠামোগুলিগুলির প্রয়োজন হয় তবে তা উপেক্ষা করা হয় তবে পরামিতি অনুমানটি পক্ষপাতদুষ্ট এবং তাত্পর্যপূর্ণ প্যারামিটারিক পরীক্ষাগুলি উইন্ডোটির বাইরে চলে যায়।

— আইরিশস্ট্যাট