预测建模是一种使用数学和计算方法来预测事件或结果的技术。数学方法使用基于方程的模型来描述所考虑的现象。该模型用于根据模型输入的变化预测未来某个状态或时间的结果。模型参数有助于解释模型输入如何影响结果。例子包括时间序列回归预测模型航空运输量或预测燃油效率基于线性回归模型发动机转速与负载的关系。
计算预测建模方法不同于数学方法,因为它依赖于不容易用方程形式解释的模型,并且通常需要模拟技术来创建预测。这种方法通常被称为“黑箱”预测建模,因为模型结构不能洞察将模型输入映射到结果的因素。例如使用神经网络到预测哪些酒庄一杯源自决策树或装袋用于预测未来的葡萄酒信用评级一个借贷者的名字。
预测建模通常使用曲线和曲面拟合、时间序列回归或机器学习方法。无论使用何种方法,创建预测模型的过程在各种方法中都是相同的。这些步骤是:
有关预测建模的详细信息,请参见计量经济学工具箱™,统计和机器学习工具箱™和深度学习工具箱™.