論文の概要: Forecasting day-ahead electricity prices: A review of state-of-the-art
algorithms, best practices and an open-access benchmark
- arxiv url: http://arxiv.org/abs/2008.08004v2
- Date: Mon, 21 Dec 2020 15:01:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-27 22:23:37.646257
- Title: Forecasting day-ahead electricity prices: A review of state-of-the-art
algorithms, best practices and an open-access benchmark
- Title（参考訳）: 日頭電力価格の予測:最新アルゴリズム,ベストプラクティス,オープンアクセスベンチマークのレビュー
- Authors: Jesus Lago, Grzegorz Marcjasz, Bart De Schutter, Rafa{\l} Weron
- Abstract要約: 電力価格予測の分野は、過去20年間に多くの貢献から恩恵を受けている。
後者はしばしば、公開されていないユニークなデータセットを使用して比較される。
電力価格の予測において、どの方法がうまく機能するか、何がベストプラクティスであるかは明らかになっていない。
- 参考スコア（独自算出の注目度）: 14.377733907729072
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While the field of electricity price forecasting has benefited from plenty of
contributions in the last two decades, it arguably lacks a rigorous approach to
evaluating new predictive algorithms. The latter are often compared using
unique, not publicly available datasets and across too short and limited to one
market test samples. The proposed new methods are rarely benchmarked against
well established and well performing simpler models, the accuracy metrics are
sometimes inadequate and testing the significance of differences in predictive
performance is seldom conducted. Consequently, it is not clear which methods
perform well nor what are the best practices when forecasting electricity
prices. In this paper, we tackle these issues by performing a literature survey
of state-of-the-art models, comparing state-of-the-art statistical and deep
learning methods across multiple years and markets, and by putting forward a
set of best practices. In addition, we make available the considered datasets,
forecasts of the state-of-the-art models, and a specifically designed python
toolbox, so that new algorithms can be rigorously evaluated in future studies.
- Abstract（参考訳）: 電力価格予測の分野は過去20年間に多くの貢献から恩恵を受けているが、新しい予測アルゴリズムを評価するための厳格なアプローチはおそらく欠落している。
後者はしばしば、ユニークで公開されていないデータセットで比較され、あまりにも短く、1つの市場テストサンプルに限定される。
提案手法は, 精度指標が不十分な場合があり, 予測性能の差異の意義をテストすることは稀である。
その結果,電気料金の予測において,どの手法が有効か,どのようなベストプラクティスが有効であるかは明らかでない。
本稿では,最先端のモデルに関する文献調査を行い,最先端の統計手法と深層学習手法を数年と市場にわたって比較し,ベストプラクティスを提示することによって,これらの課題に取り組む。
さらに、検討されたデータセット、最先端モデルの予測、特に設計されたピソンツールボックスを利用可能にすることで、将来の研究で新しいアルゴリズムを厳格に評価することができる。
関連論文リスト
- Confidence-based Estimators for Predictive Performance in Model Monitoring [0.5399800035598186]
マシンラーニングモデルが本番環境にデプロイされた後、その予測パフォーマンスを監視する必要がある。
近年,地中真実が得られない場合の予測性能を推定する新たな手法が開発されている。
一般的な仮定では、平均信頼度(AC)法はモデル精度の偏りのない一貫した推定器であることが示される。
論文 参考訳（メタデータ） (2024-07-11T16:28:31Z) - Forecasting with Deep Learning: Beyond Average of Average of Average Performance [0.393259574660092]
予測モデルの評価と比較の現在のプラクティスは、パフォーマンスを1つのスコアにまとめることに集中しています。
複数の視点からモデルを評価するための新しいフレームワークを提案する。
このフレームワークの利点は、最先端のディープラーニングアプローチと古典的な予測手法を比較して示す。
論文 参考訳（メタデータ） (2024-06-24T12:28:22Z) - Conservative Predictions on Noisy Financial Data [6.300716661852326]
金融市場の価格変動は、非常に騒々しいことがよく知られている。
従来のルール学習技術は、高精度なルールのみを求め、先行者が適用されない予測を控えるものだった。
我々は、モデルが不確実であるデータポイントの予測を控える、同様のアプローチを適用する。
論文 参考訳（メタデータ） (2023-10-18T09:14:19Z) - Evaluating Graph Neural Networks for Link Prediction: Current Pitfalls
and New Benchmarking [66.83273589348758]
リンク予測は、グラフのエッジの一部のみに基づいて、目に見えないエッジが存在するかどうかを予測しようとする。
近年,この課題にグラフニューラルネットワーク(GNN)を活用すべく,一連の手法が導入されている。
これらの新しいモデルの有効性をよりよく評価するために、新しい多様なデータセットも作成されている。
論文 参考訳（メタデータ） (2023-06-18T01:58:59Z) - Uncertainty-Aware Instance Reweighting for Off-Policy Learning [63.31923483172859]
本研究では,不確実性を考慮した逆確率スコア推定器 (UIPS) を提案する。
実世界の3つのレコメンデーションデータセットを用いた実験結果から,提案したUIPS推定器の有効サンプル効率が示された。
論文 参考訳（メタデータ） (2023-03-11T11:42:26Z) - Accounting for multiplicity in machine learning benchmark performance [0.0]
最先端のパフォーマンスをSOTA(State-of-the-art)のパフォーマンスの見積として使うのはバイアスのある推定器であり、過度に楽観的な結果をもたらす。
本稿では、複数の分類器の場合の確率分布について、既知の解析手法を適用できるようにし、より優れたSOTA推定値を提供する。
論文 参考訳（メタデータ） (2023-03-10T10:32:18Z) - Systematic Evaluation of Predictive Fairness [60.0947291284978]
バイアス付きデータセットのトレーニングにおけるバイアスの緩和は、重要なオープンな問題である。
複数のタスクにまたがる様々なデバイアス化手法の性能について検討する。
データ条件が相対モデルの性能に強い影響を与えることがわかった。
論文 参考訳（メタデータ） (2022-10-17T05:40:13Z) - Augmented Bilinear Network for Incremental Multi-Stock Time-Series
Classification [83.23129279407271]
本稿では,有価証券のセットで事前学習したニューラルネットワークで利用可能な知識を効率的に保持する手法を提案する。
本手法では,既存の接続を固定することにより,事前学習したニューラルネットワークに符号化された事前知識を維持する。
この知識は、新しいデータを用いて最適化された一連の拡張接続によって、新しい証券に対して調整される。
論文 参考訳（メタデータ） (2022-07-23T18:54:10Z) - Bayesian Bilinear Neural Network for Predicting the Mid-price Dynamics
in Limit-Order Book Markets [84.90242084523565]
伝統的な時系列計量法は、価格力学を駆動する多層相互作用の真の複雑さを捉えることができないことが多い。
最先端の2次最適化アルゴリズムを採用することで、時間的注意を払ってベイジアン双線形ニューラルネットワークを訓練する。
予測分布を用いて推定パラメータとモデル予測に関連する誤差や不確実性を解析することにより、ベイズモデルと従来のML代替品を徹底的に比較する。
論文 参考訳（メタデータ） (2022-03-07T18:59:54Z) - Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。
本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。
本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
論文 参考訳（メタデータ） (2022-01-11T23:01:12Z) - Profit-oriented sales forecasting: a comparison of forecasting
techniques from a business perspective [3.613072342189595]
本稿では,コカ・コーラ社の産業界データと公開データセットの両方から成る35回連続のテクニックを比較検討する。
モデル構築と評価プロセスの両方において、テクニックが生成できる期待される利益を考慮に入れた、新しく完全に自動化された利益主導のアプローチを導入します。
論文 参考訳（メタデータ） (2020-02-03T14:50:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。