論文の概要: Food for thought: How can machine learning help better predict and understand changes in food prices?
- arxiv url: http://arxiv.org/abs/2412.06472v1
- Date: Mon, 09 Dec 2024 13:17:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-10 14:53:48.037232
- Title: Food for thought: How can machine learning help better predict and understand changes in food prices?
- Title(参考訳): 思考のための食べ物: 機械学習は、食品価格の変化をより正確に予測し理解するのにどのように役立つか?
- Authors: Kristina L. Kupferschmidt, James Requiema, Mya Simpson, Zohrah Varsallay, Ethan Jackson, Cody Kupferschmidt, Sara El-Shawa, Graham W. Taylor,
- Abstract要約: この研究は、カナダにおける食料価格の変動に関する体系的な理解の欠如に対処する。
カナダ食品価格報告書(CPFR)は、来年のインフレを予想する年次刊行物である。
- 参考スコア(独自算出の注目度): 9.500202526216084
- License:
- Abstract: In this work, we address a lack of systematic understanding of fluctuations in food affordability in Canada. Canada's Food Price Report (CPFR) is an annual publication that predicts food inflation over the next calendar year. The published predictions are a collaborative effort between forecasting teams that each employ their own approach at Canadian Universities: Dalhousie University, the University of British Columbia, the University of Saskatchewan, and the University of Guelph/Vector Institute. While the University of Guelph/Vector Institute forecasting team has leveraged machine learning (ML) in previous reports, the most recent editions (2024--2025) have also included a human-in-the-loop approach. For the 2025 report, this focus was expanded to evaluate several different data-centric approaches to improve forecast accuracy. In this study, we evaluate how different types of forecasting models perform when estimating food price fluctuations. We also examine the sensitivity of models that curate time series data representing key factors in food pricing.
- Abstract(参考訳): 本研究では,カナダにおける食料価格変動の体系的理解の欠如に対処する。
カナダ食品価格報告書(CPFR)は、来年のインフレを予想する年次刊行物である。
Dalhousie大学、ブリティッシュコロンビア大学、サスカチュワン大学、ゲルフ・ベクター大学などカナダの大学でそれぞれ独自のアプローチを採用している予測チーム間の共同作業である。
Guelph/Vector Instituteの予測チームは、以前のレポートで機械学習(ML)を利用しているが、最新のエディション(2024-2025)には、ループへの人間的アプローチも含まれている。
2025年のレポートでは、この焦点が拡張され、予測精度を改善するために、いくつかの異なるデータ中心のアプローチが評価された。
本研究では,食品価格変動の予測において,異なる種類の予測モデルがどのように機能するかを評価する。
また、食品価格の重要な要因を示す時系列データをキュレートするモデルの感度についても検討した。
関連論文リスト
- Consistency Checks for Language Model Forecasters [54.62507816753479]
予測器の性能を,論理的に異なる質問に対する予測の整合性の観点から測定する。
我々は,一連の基本質問を生成し,これらの質問から整合性チェックをインスタンス化し,予測者の予測を導き,予測の整合性を測定する自動評価システムを構築した。
論文 参考訳(メタデータ) (2024-12-24T16:51:35Z) - Hybrid Forecasting of Geopolitical Events [71.73737011120103]
SAGEは、人間と機械が生成した予測を組み合わせたハイブリッド予測システムである。
このシステムは、確率と評価されたスキルに基づいて、人間と機械の予測の重み付けを集約する。
機械による予測にアクセスできる熟練した予測者は、過去のデータしか見ていない者よりも優れていた。
論文 参考訳(メタデータ) (2024-12-14T22:09:45Z) - Performative Time-Series Forecasting [71.18553214204978]
我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。
本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。
新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
論文 参考訳(メタデータ) (2023-10-09T18:34:29Z) - Forecasting inflation using disaggregates and machine learning [0.0]
我々は、インフレーションの異なる分散レベルを考慮し、線形および非線形機械学習(ML)モデルと同様に、様々な伝統的な時系列技術を用いて、より多くの予測値を扱う。
多くの予測地平線において、非凝集予測の集計は、この集計を用いて直接予測を生成するサーベイベースの予測とモデルと同様に実行される。
本研究は,ML手法による非凝集予測の集約を含む,データ豊富な環境下でのインフレーション予測におけるモデルの活用のメリットを裏付けるものである。
論文 参考訳(メタデータ) (2023-08-22T04:01:40Z) - ASPEST: Bridging the Gap Between Active Learning and Selective
Prediction [56.001808843574395]
選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。
アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。
本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
論文 参考訳(メタデータ) (2023-04-07T23:51:07Z) - Random Forest of Epidemiological Models for Influenza Forecasting [7.050453841068465]
本稿では,ベースラインモデルSIkJalphaの個々の予測子を利用して,その性能を向上させるツリーアンサンブルモデルの設計を提案する。
我々は、ランダムフォレストに基づくアプローチが、平均絶対誤差、カバレッジ、重み付き間隔スコアの観点から、個々の予測者の予測を改善することを実証した。
論文 参考訳(メタデータ) (2022-06-17T18:47:40Z) - Back2Future: Leveraging Backfill Dynamics for Improving Real-time
Predictions in Future [73.03458424369657]
公衆衛生におけるリアルタイム予測では、データ収集は簡単で要求の多いタスクである。
過去の文献では「バックフィル」現象とそのモデル性能への影響についてはほとんど研究されていない。
我々は、与えられたモデルの予測をリアルタイムで洗練することを目的とした、新しい問題とニューラルネットワークフレームワークBack2Futureを定式化する。
論文 参考訳(メタデータ) (2021-06-08T14:48:20Z) - District Wise Price Forecasting of Wheat in Pakistan using Deep Learning [3.5281018826570536]
小麦はパキスタンの主要な農業作物であり、パキスタンのほぼ全ての家庭で重要な食料である。
本論文では,過去数年間の小麦価格の価格,気象,生産,消費動向を用いた小麦価格予測手法を提案する。
提案手法は,従来の機械学習や統計時系列分析法と比較して有意に改善した。
論文 参考訳(メタデータ) (2021-03-05T06:13:51Z) - Models, Markets, and the Forecasting of Elections [3.8138805042090325]
我々は、選挙の数ヶ月前に市場のパフォーマンスが向上し、選挙が近づくにつれてモデルが良くなるという、時間とともに正確さの体系的な違いを見出した。
取引ボットを介してモデル予測を組み込んで合成予測を生成する市場設計を提案する。
論文 参考訳(メタデータ) (2021-02-06T19:05:07Z) - Predicting seasonal influenza using supermarket retail records [59.18952050885709]
我々は,スーパーマーケットの小売データを,センチネルバスケットの識別を通じてインフルエンザの代替信号とみなす。
SVR(Support Vector Regression)モデルを用いて、季節性インフルエンザ発生の予測を行います。
論文 参考訳(メタデータ) (2020-12-08T16:30:43Z) - A Bayesian Approach for Predicting Food and Beverage Sales in Staff
Canteens and Restaurants [2.362412515574206]
本稿では,ポイント・オブ・セールスシステムから取得したデータのみに基づく予測手法を提案する。
幅広い評価において,カジュアルなレストランで収集された2つのデータセットと,大きなスタッフの缶詰について検討する。
提案モデルがレストランデータの特徴に適合することを示す。
論文 参考訳(メタデータ) (2020-05-26T12:05:06Z)
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。