Série Temporal - Calibração de Parâmetro

Introdução

Qualquer modelo estatístico ou de aprendizado de máquina tem alguns parâmetros que influenciam muito como os dados são modelados. Por exemplo, ARIMA possui valores p, d, q. Esses parâmetros devem ser decididos de forma que o erro entre os valores reais e os valores modelados seja mínimo. A calibração de parâmetros é considerada a tarefa mais crucial e demorada de ajuste de modelo. Portanto, é muito essencial para nós escolhermos os parâmetros ideais.

Métodos para calibração de parâmetros

Existem várias maneiras de calibrar os parâmetros. Esta seção fala sobre alguns deles em detalhes.

Hit-and-try

Uma maneira comum de calibrar modelos é a calibração manual, onde você começa visualizando a série temporal e intuitivamente tenta alguns valores de parâmetro e os altera continuamente até obter um ajuste bom o suficiente. Requer um bom entendimento do modelo que estamos testando. Para o modelo ARIMA, a calibração manual é feita com a ajuda do gráfico de autocorrelação para o parâmetro 'p', gráfico de autocorrelação parcial para o parâmetro 'q' e teste ADF para confirmar a estacionariedade da série temporal e configuração do parâmetro 'd' . Discutiremos tudo isso em detalhes nos próximos capítulos.

Pesquisa de grade

Outra forma de calibrar modelos é por busca em grade, o que essencialmente significa que você tenta construir um modelo para todas as combinações possíveis de parâmetros e selecionar aquele com erro mínimo. Isso é demorado e, portanto, é útil quando o número de parâmetros a serem calibrados e a faixa de valores que eles assumem são menores, pois isso envolve vários loops for aninhados.

Algoritmo genético

O algoritmo genético trabalha com o princípio biológico de que uma boa solução acabará evoluindo para a solução mais 'ótima'. Ele usa operações biológicas de mutação, cruzamento e seleção para finalmente chegar a uma solução ótima.

Para obter mais conhecimento, você pode ler sobre outras técnicas de otimização de parâmetros, como otimização Bayesiana e otimização Swarm.