“Örnek içi” ve “örnek dışı” tahminleri arasındaki fark nedir?

"Örnek içi" ve "örnek dışı" tahmini arasındaki farkın tam olarak ne olduğunu anlamıyorum? Örnek içi bir tahmin , tahmin süresi dışındaki değerleri tahmin etmek için mevcut verilerin bir alt kümesini kullanır . Bunun yerine örnek tahmininin tümü mevcut tüm verileri kullanıyor Bunlar doğru mu?

Aşağıdaki tanım çok doğru mu?

Bir örnek öngörüsü , tahmin süresi dışındaki değerleri tahmin etmek ve bunları ilgili bilinen veya gerçek sonuçlarla karşılaştırmak için mevcut verilerin bir alt kümesini kullanır . Bu, modelin bilinen değerleri tahmin etme yeteneğini değerlendirmek için yapılır. Örneğin, 1980'den 2015'e kadar olan bir örnek tahmin, modeli tahmin etmek için 1980'den 2012'ye kadar olan verileri kullanabilir. Bu model kullanıldığında, tahminci 2013-2015 için değerleri tahmin eder ve öngörülen değerleri bilinen gerçek değerlerle karşılaştırır. Örnek dışı tahmin, bunun yerine bir modeli tahmin etmek için örnekteki mevcut tüm verileri kullanır . Önceki örnek için, tahmin 1980-2015 üzerinde yapılacak ve 2016 yılında tahmin (ler) başlayacaktır.

"Örnek" ile, modele sığdırmak için kullandığınız veri örneği kastedilmektedir.

Birincisi - bir örneğiniz var
İkincisi - bir örneğe
üçüncü olarak uyuyorsunuz - modeli tahmin için kullanabilirsiniz

Veri örneğinin bir parçası olan bir gözlem için öngörüyorsanız - bu örnek içi tahmindir.

Veri örneğinin bir parçası olmayan bir gözlem için öngörüyorsanız - bu örnek dışı tahminidir.

Kendinize sormanız gereken soru şudur: Model için özel gözlem kullanılmış mı değil mi? Model uydurma için kullanılmışsa, gözlemin tahmini örneklemdedir. Aksi takdirde örnek alınmaz.

Eğer modele uymak için 1990-2013 verilerini kullanırsanız ve 2011-2013 için tahmin ederseniz, bu örnek içi tahmindir. ancak sadece 1990-2010 modelini takmak için kullanıyorsanız ve o zaman 2011-2013'ü tahmin ederseniz, o zaman örnek dışı tahmini.

Örneğinizde, 10 veri noktası sırasına sahip olduğunuzu varsayalım. Bu veriler iki bölüme ayrılabilir - örneğin model parametrelerini tahmin etmek için ilk 7 veri noktası ve model performansını test etmek için sonraki 3 veri noktası. Takılan model kullanıldığında, ilk 7 veri noktası için yapılan tahminler örnek içi tahmin olarak adlandırılacak ve son 3 veri noktası için de aynı örnek tahmininden çağrılacaktır. Bu, verileri eğitim setine ve doğrulama setine bölme fikri ile aynıdır.

Örnek içi tahmin, algoritmaların veri üretmede ne kadar etkili olduğunu görmek için gözlemlenen veriler kullanılarak geliştirilen modellerin öngörme yeteneklerini resmi olarak değerlendirme sürecidir. Bir makine öğrenme algoritmasındaki bir eğitim setine benzer ve örnek dışı test setine benzer.

Diyagram aşağıda anlamanıza yardımcı olacaktır Zamanına ve zamanın dışında

Zaman serisi Tahmininde, 'Örnek' tren verisi anlamına gelir 'Örnek' test verisi anlamına gelir

Zaman serilerinde önce 'Örnek' (yani tren) verileri için sonuçları tahmin edebiliriz. Daha sonra 'örnek dışı' (yani test) verileri için sonuçları tahmin edebiliriz.

model = ARIMA(order = (p,d,q), seasonal_order=(P,D,Q,S))
model.fit(train_data)

train_predictions = model.predict_in_sample()
test_predictions = model.predict(n_periods=len(test_data.index))

predictions = pd.concatenate((train_predictions, test_predictions),axis=0)