预测模型是使用数学和计算的方法来预测的事件或结果的技术。数学方法使用基于方程模型描述所考虑的现象。该模型被用于预测在基于改变模型的输入的某些未来状态或时间的结果。该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模型预测航空交通量或预测燃油效率根据线性回归模型的发动机转速与负荷。

计算预测建模方法不同于数学的方法，因为它依赖于模型，不容易在方程的形式解释，往往需要模拟技术来创建一个预测。这种方法通常被称为“黑盒子”的预测模型，因为模型结构不提供洞察因素地图模型输入的结果。例子包括使用神经网络至预测哪些酒庄一杯葡萄酒源自或袋装决策树预测信用评级的借款人。

预测建模是使用曲线和曲面拟合，时间序列回归经常执行，或者机器学习接近。无论使用哪种方法，建立预测模型的过程是整个方法相同。步骤如下：

1. 通过以下方法清理数据除去异常值和处理丢失数据
2. 确定的参数或者非参数预测建模的方法来使用
3. 预处理数据到其形式适合于所选择的建模算法
4. 指定要用于训练模型的数据的一个子集
5. 火车，或估计，从训练数据集模型参数
6. 行为模型的性能或拟合优度拟合测试，以检查模型是否充足
7. 数据验证的预测模型精度不用于校准模型
8. 如果满意其性能使用预测模型

欲了解更多关于预测模型，看看计量经济学工具箱™，统计和机器学习工具箱™和深度学习工具箱™。