الانحدار الخطي على التأخيرات
Linear Regression
يحوّل التنبؤ إلى مسألة انحدار: الهدف y_t والخصائص قيم سابقة وخصائص تقويم. تُبنى الخصائص من القيم السابقة فقط (Lags، تأخير موسمي، متوسط متحرك للماضي، خصائص تقويم)، ويكون التنبؤ متعدد الخطوات تكرارياً (Recursive).
المبدأ
ŷ_t = β₀ + Σ β_j x_{t,j} تُقدّر بالمربعات الصغرى العادية.
متطلبات البيانات
عدد صفوف أكبر بكثير من عدد الخصائص.
المعاملات
- lags
- عدد التأخيرات
- target
- القيمة أو الفرق الأول
المزايا
- سريع وقابل للتفسير
- يستقرئ الاتجاه الخطي
العيوب
- خطي
- تراكم الخطأ في التنبؤ التكراري
الاستخدامات
- خط أساس للتعلم الآلي
- سلاسل ذات علاقات خطية
مثال تطبيقي
على المسافرين جواً مع 12 تأخيراً يقترب أداؤه من هولت-وينترز لأن العلاقة بين الشهر والشهر نفسه قبل سنة شبه خطية.
أخطاء شائعة
- تقسيم عشوائي للبيانات بدل التقسيم الزمني (تسرب المستقبل)
