Ce este regresia cuantile pentru previziuni cu intervale?

Regresia cuantilului este o metodă de regresie care permite estimarea nu doar a valorii medii a variabilei țintă, ci și a diferitelor cuantile ale acesteia. În contextul previziunilor cu intervale (de exemplu, serii temporale), regresia cuantilului ajută la obținerea unor previziuni intervalare care reflectă incertitudinea modelului.

În loc să prezică o singură valoare punctuală (de exemplu, media), modelul este antrenat pentru a prezice, de exemplu, percentila 5 și 95, ceea ce formează un interval de încredere de 90% pentru previziune.

Acest lucru este deosebit de util pentru sarcini în care este important să înțelegi intervalul valorilor posibile, și nu doar valoarea așteptată, de exemplu, în finanțe sau previzionarea cererii.

Exemplu de utilizare a regresiei cuantilului cu biblioteca statsmodels în Python:

import statsmodels.api as sm
import numpy as np

# X - caracteristici, y - variabila țintă
X = sm.add_constant(X)  # adăugăm o constantă
percentile = [0.05, 0.5, 0.95]
modele = {}
for q in percentile:
    mod = sm.QuantReg(y, X)
    res = mod.fit(q=q)
    modele[q] = res

# Acum se pot obține previziuni pentru diferite percentile