DistDF用Wasserstein差异改进时间序列预测

Hao Wang等作者提出DistDF，通过最小化预测序列与标签序列联合分布的Wasserstein差异，对齐两者分布以改进时间序列预测；论文摘要称，该方法可提升多类预测模型并取得领先性能。 传统直接预测通常以均方误差估计条件负对数似然，但标签序列存在自相关时，这种估计会有偏。DistDF使用的联合分布差异可证明地上界所关心的条件分布差异，并可计算、可微，支持基于梯度的优化。摘要提供了匿名代码地址，但未说明实验数据集、基线、规模或领先性能的具体范围。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。