GBDT系の目的変数は何を基準に設計すればいいのでしょうか？

時系列データの予想コンペで過去のnotebookを見ていたところ、以下のような２通りの予測を行なっていました。

n個先の値を予想するように学習させる
現在からn個先における変位を予想して、結果を現在の値に加える

例えば　5/20,21,22,23が学習データ、5/24,25,26がテストデータだとして、以下のような具合になります。(わかりづらくすみません。)

1の場合:
n=1のときは、5/20の特徴量で5/21の目的変数を、5/21で5/22をといったように学習、その後5/23を入力して5/24を予想
n=2のときは、5/20の特徴量で5/22の目的変数を、5/21で5/23をといったように学習、その後5/23を入力して5/25を予想

2の場合:
n=1のときは、5/20の特徴量で5/20から5/21の目的変数の差分を、5/21で5/21と5/22の差分をといったように学習、その後5/23を入力して5/23と5/24の差分を予想、この差分を5/23に足し合わせて5/24の目的変数を予想
n=1のときは、5/20の特徴量で5/20から5/22の目的変数の差分を、5/21で5/21と5/23の差分をといったように学習、その後5/23を入力して5/23と5/25の差分を予想、この差分を5/23に足し合わせて5/25の目的変数を予想

これらの使い分けはどのように考えられているのでしょうか？またこのような目的変数や予測するための構造を勉強するためには何を調べれば良いのでしょうか？
よろしくお願いいたします。

行動規範の内容に同意します

回答1件

ベストアンサー

使い分け

単にどちらが精度が出るか、いろいろ試してみるというだけかと思います。
時系列データの場合は実の値よりも一つ前との差分（階差）を見た方が良い・見ないといけない場合があります。

またこのような目的変数や予測するための構造を勉強するためには何を調べれば

時系列分析という分野を学べば良いと思います。ただ、一般的に時系列分析ですと時系列モデル、状態空間モデルなどの手法を用い、ご質問のような機械学習手法を用いるのは最近のことで書籍などまとまった記述があるものを見たことがありません。ですが、時系列分析を学んだ人ですと機械学習を適用するときにご質問のような発想を自然にすると思います。

投稿2020/06/21 09:55