文献

J-GLOBAL ID：201802291867420137   整理番号：18A1722634

M4競争:結果,発見,結論,前進【JST・京大機械翻訳】

The M4 Competition: Results, findings, conclusion and way forward

著者 (4件)： Makridakis Spyros (University of Nicosia, Nicosia, Cyprus) ,  Makridakis Spyros (Institute For the Future (IFF), Nicosia, Cyprus) ,  Spiliotis Evangelos (Forecasting and Strategy Unit, School of Electrical and Computer Engineering, National Technical University of Athens, Zografou, Greece) ,  Assimakopoulos Vassilios (Forecasting and Strategy Unit, School of Electrical and Computer Engineering, National Technical University of Athens, Zografou, Greece)
資料名： International Journal of Forecasting  (International Journal of Forecasting)
巻： 34  号： 4  ページ： 802-808  発行年： 2018年 
JST資料番号： C0216C  ISSN： 0169-2070  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： M4競争は45年以上前に始まった3つの以前の競争の継続であり,その目的は予測精度を向上させる方法を学習することであり,そのような学習が予測の理論と実践の進歩にどのように適用できるかを学習することであった。M4の目的は,以前のものの結果を複製して,それらを3つの方向に拡張することであった。最初に,シリーズの数を著しく増やして,第2は機械学習(ML)予測方法を含んで,第3はポイント予測と予測間隔の両方を評価した。M4競争の5つの主要な知見は以下の通りである。17の最も正確な方法のうち,12はほとんど統計的アプローチの「組合せ」であった。最大の驚くことは,統計的およびML特徴の両方を利用した「ハイブリッド」アプローチであった。この方法の平均SMAPEは,提出した方法を比較するために用いた組合せベンチマークよりも10%より正確であった。3.第2の最も正確な方法は,予測を最小にするために訓練されたMLアルゴリズムによって計算された平均化のための重みづけによって,7つの統計的方法と1つのMLの組合せであった。4.また,2つの最も正確な方法は,正確に95%の予測間隔を特定することにおいて,驚くべき成功を達成した。5.6つの純粋なML法は不十分で,それらのどれも組合せベンチマークより正確ではなく,1つはNaive2より正確であった。本論文は,M4のいくつかの初期結果,その主要な発見および論理的結論を提示した。最後に,著者らが予測の分野のための方法であると考えることを概説した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ベンチマーク ,  予測技法 ,  統計的方法 ,  機械学習 ,  *予測 ,  アルゴリズム ,  重みづけ
準シソーラス用語： 予測精度 , 【Automatic Indexing@JST】

著者キーワード (8件)： 競争の予測 ,  M競争 ,  予測精度 ,  予測間隔(PIS) ,  時系列法 ,  機械学習(ML)法 ,  ベンチマーキング法 ,  予測の実践

分類 (1件)： 放射,大気光学  (DC05080C)

タイトルに関連する用語 (3件)： 競争 ,  発見 ,  前進