多变量时间序列的模型无关可预测性量化
英文标题：Model-agnostic predictability quantification of multivariable time series
该研究提出了一种针对多变量时间序列的模型无关（Model-agnostic）可预测性量化方法。多变量时间序列预测在众多领域中应用广泛，其预测表现高度依赖协变量之间复杂的相互作用。当前学术界普遍使用各类基准数据集评估预测模型，但仅凭预测精度指标难以明确区分数据固有的可预测上限与特定模型的表征能力。该方法为解耦数据固有复杂度与模型效能提供了理论依据，有助于开发者更客观地建立评测基线并指导时间序列算法优化。
打开原文相关 1.6 · 机会 0
2.0 KB
640 B
612 B
380 B
24.2 KB
34.7 KB
中文
论文摘要 (Abstract)
arXiv:2610.33209v1 类别类型：新论文 (new)
摘要：多变量时间序列预测在诸多领域中扮演着关键角色，其预测结果通常依赖于各个协变量之间复杂的交互关系。目前，预测模型普遍通过大量基准数据集进行评测。然而，预测准确率（forecasting acc……）
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×