Aralıklarla tahmin için kuantil regresyonu nedir?

Quantile regresyon, sadece hedef değişkenin ortalama değerini değil, aynı zamanda dağılımının çeşitli çeyreklerini tahmin etmeye olanak tanıyan bir regresyon yöntemidir. Zaman serileri gibi aralıklarla tahminlerde, quantile regresyon, modelin belirsizliğini yansıtan aralık tahminleri elde etmeye yardımcı olur.

Sadece tek bir nokta değeri (örneğin, ortalama) tahmin etmek yerine, model, örneğin, %5 ve %95 yüzdelik dilimleri tahmin edecek şekilde eğitilir; bu da %90 güven aralığı oluşturur.

Bu, finans veya talep tahmini gibi, olası değer aralığını anlamanın önemli olduğu görevler için özellikle faydalıdır.

Python'da statsmodels kütüphanesi kullanılarak quantile regresyonu örneği:

import statsmodels.api as sm
import numpy as np

# X - özellikler, y - hedef değişken
X = sm.add_constant(X)  # sabit eklenir
kuartiller = [0.05, 0.5, 0.95]
modeller = {}
for q in kuartiller:
    mod = sm.QuantReg(y, X)
    res = mod.fit(q=q)
    modeller[q] = res

# Artık farklı kuartiller için tahminler alınabilir