Mi az a kvantilis regresszió intervallumokkal rendelkező előrejelzésekhez?

A kvantilis regresszió egy olyan regressziós módszer, amely nemcsak a célváltozó átlagértékét, hanem annak különböző kvantilis értékeit is becsli. Intervallum alapú előrejelzések (például idősortípusok) esetén a kvantilis regresszió segít olyan intervallum-előrejelzéseket kapni, amelyek tükrözik a modell bizonytalanságát.

Ahelyett, hogy egyetlen pontértéket (például átlagot) jósolna, a modellt arra tanítják, hogy például az 5. és 95. percentilt jósolja, ami egy 90%-os megbízhatósági intervallumot alkot az előrejelzéshez.

Ez különösen hasznos olyan feladatoknál, ahol fontos megérteni a lehetséges értékek tartományát, nemcsak a várható értéket, például pénzügyekben vagy kereslet-előrejelzésben.

Pythonban a statsmodels könyvtár segítségével végzett kvantilis regresszió példája:

import statsmodels.api as sm
import numpy as np

# X - jellemzők, y - célváltozó
X = sm.add_constant(X)  # konstans hozzáadása
kvantilisek = [0.05, 0.5, 0.95]
modellek = {}
for q in kvantilisek:
    mod = sm.QuantReg(y, X)
    res = mod.fit(q=q)
    modellek[q] = res

# Most különböző kvantilisekre lehet előrejelzéseket készíteni