В чем разница между прогнозами «в выборке» и «вне выборки»?

Я не понимаю, в чем именно заключается разница между прогнозированием "в выборке" и "вне выборки"? Прогноз в выборке использует подмножество доступных данных для прогнозирования значений за пределами периода оценки. Вместо этого в прогнозном прогнозе используются все доступные данные. Верны ли они ?

Очень конкретно правильное следующее определение?

Внутри выборочного прогноза используется подмножество доступных данных для прогнозирования значений за пределами периода оценки и сравнения их с соответствующими известными или фактическими результатами. Это делается для оценки способности модели прогнозировать известные значения. Например, в рамках выборочного прогноза с 1980 по 2015 год для оценки модели могут использоваться данные с 1980 по 2012 год. Используя эту модель, прогнозист затем прогнозирует значения на 2013-2015 гг. И сравнивает прогнозные значения с фактическими известными значениями. Прогноз вне выборки вместо этого использует все доступные данные в выборке для оценки моделей. Для предыдущего примера оценка будет выполнена в течение 1980-2015 годов, а прогноз (ы) начнется в 2016 году.

Под «образцом» подразумевается образец данных, который вы используете для соответствия модели.

Первое - у вас есть выборка
Второе - вы подходите к модели по образцу
Третье - вы можете использовать модель для прогнозирования

Если вы прогнозируете наблюдение, которое было частью выборки данных - это прогноз в выборке.

Если вы прогнозируете наблюдение, которое не было частью выборки данных - это прогноз вне выборки.

Итак, вопрос, который вы должны задать себе: было ли конкретное наблюдение использовано для подгонки модели или нет? Если он использовался для подгонки модели, то прогноз наблюдения является выборочным. В противном случае это вне образца.

если вы используете данные 1990-2013 для подгонки к модели, а затем прогнозируете на 2011-2013 годы, это прогноз в выборке. но если вы используете 1990-2010 годы только для подгонки модели, а затем прогнозируете 2011-2013 годы, то это прогноз вне выборки.

Предположим, в вашем примере у вас есть последовательность из 10 точек данных. Эти данные можно разделить на две части - например, первые 7 точек данных для оценки параметров модели и следующие 3 точки данных для проверки производительности модели. Используя подобранную модель, прогнозы, сделанные для первых 7 точек данных, будут называться прогнозом в выборке, и те же самые для последних 3 точек данных будут вызываться из прогноза выборки. Это то же самое, что идея разделения данных на обучающий набор и проверочный набор.

Прогноз в рамках выборки - это процесс формальной оценки прогнозирующих возможностей моделей, разработанных с использованием данных наблюдений, чтобы увидеть, насколько эффективны алгоритмы при воспроизведении данных. Это похоже на обучающий набор в алгоритме машинного обучения, а выборка аналогична тестовому набору.

Диаграмма ниже поможет вам понять ВРЕМЯ и ВНЕ ВРЕМЕНИ

В прогнозировании временных рядов «выборка» означает данные о поездах, «выборка» означает данные испытаний.

Во временных рядах сначала мы можем спрогнозировать результаты для данных «выборки» (т. Е. Поезда). Позже мы можем прогнозировать результаты для «выборочных» (т.е. тестовых) данных.

model = ARIMA(order = (p,d,q), seasonal_order=(P,D,Q,S))
model.fit(train_data)

train_predictions = model.predict_in_sample()
test_predictions = model.predict(n_periods=len(test_data.index))

predictions = pd.concatenate((train_predictions, test_predictions),axis=0)