У меня есть набор данных с атрибутами a,b,c. Я использую размер входного окна 7 для каждого атрибута, чтобы предсказать следующее значение a.
Я сделал автокорреляцию и взаимную корреляцию между атрибутами для разного количества лагов. Они хорошо коррелированы вплоть до лага 7, поэтому размер входного окна равен 7.
Мой набор данных состоит из 100000 точек данных. Когда я предсказываю, прогнозируемые значения сдвигаются вправо на единицу по отношению к фактическим значениям.
Я попытался агрегировать свой набор данных, чтобы иметь меньше точек данных, и получил 30000 точек данных. Возникает та же проблема.
Я снова агрегировал его до 2000 dtapoints, и на этот раз сдвига нет.
По этой теме есть предыдущие вопросы, такие как NARX Neural network Prediction? и Модель Python ARIMA, прогнозируемые значения смещаются. В ответах говорится, что эта проблема возникает, когда задержка (лаг) выбрана неправильно. Но в моем случае они соотносятся, как указано выше. Так почему это происходит? Это из-за большого размера набора данных?
Обратите внимание, что для этой задачи прогнозирования я использую java-библиотеку с именем encog.
