使用LibSVM的时间序列回归滞后

Question

我在Matlab中使用libSVM来检查SVM回归用于时间序列预测的效用。 我使用以下代码示例：

t = -10:0.1:10;
x = 2*sin(10*t)+0.5*t.^2+4;
x = (x - min(x)) / (max(x) - min(x));
x = x';
data              = x(1:end-1);
dataLabels        = x(2:end);
trainDataLength   = round(length(data)*70/100);
TrainingSet       = data(1:trainDataLength);
TrainingSetLabels = dataLabels(1:trainDataLength);
TestSet           = data(trainDataLength+1:end);
TestSetLabels     = dataLabels(trainDataLength+1:end);

options = ' -s 3 -t 2 -c 100 -p 0.001 -h 0';
model   = svmtrain(TrainingSetLabels, TrainingSet, options);

[predicted_label, accuracy, decision_values] = svmpredict(TestSetLabels, TestSet, model);

figure(2);
plot(1:length(TestSetLabels), TestSetLabels, '-b');
hold on;
plot(1:length(TestSetLabels), predicted_label, '-r');
hold off;

我得到的数字是：

从图中可以看出，预测值与实际值之间存在滞后。 我不知道这种滞后是由于我的代码， libSVM代码中的某些错误，还是自然的，我们不能期望预测时间序列的提前值。

Answer 1

你在这行做什么

model   = svmtrain(TrainingSetLabels, TrainingSet, options);

是要使用x = TrainingSet中包含的功能来估计y = TrainingSetLabels。

给定您的代码，x和y之间存在一个时间步长滞后，因此行为是正常的。 但是，您可以改善估计。 x可以是矩阵，每个特征向量一列。 可以做的是添加以下几列：

• x具有一个时间步长滞后（您已经拥有）
• x具有N个时间步长滞后（其中N对应于您的窦周期）
• 诸如（1：1：length（x））之类的列向量，将用于估计趋势。

这样（通常使用N个时间步滞后列），您将能够真正预期输入的值。

干杯