预测模型如何验证
时间序列预测法的步骤有哪些？
时间序列预测法的步骤有哪些？
时间序列预测法的有以下几个步骤。
第一步，收集历史资料，加以整理，编成时间序列，并根据时间序列绘成统计图。时间序列分析通常是把各种可能发生作用的因素进行分类，传统的分类方法是按各种因素的特点或影响效果进行分类： ①长期趋势； ②季节变动； ③循环变动； ④不规则变动。第二步，分析时间序列。时间序列中的每一时期的数值都是由许许多多不同的因素同时发生作用后的综合结果。第三步，求时间序列的长期趋势(T)、季节变动(S)和不规则变动(I)的值，并选定近似的数学模式来代表它们。对于数学模式中的诸未知参数，使用合适的技术方法求出其值。第四步，利用时间序列资料求出长期趋势、季节变动和不规则变动的数学模型后，就可以利用它来预测未来的长期趋势值T和季节变动值S，在可能的情况下预测不规则变动值I。然后用以下模式计算出未来的时间序列的预测值Y。加法模式：T S IY乘法模式：T乘以S乘以IY 如果不规则变动的预测值难以求得，就只求长期趋势和季节变动的预测值，以两者相乘之积或相加之和为时间序列的预测值。如果经济现象本身没有季节变动或不需预测分季分月的资料，则长期趋势的预测值就是时间序列的预测值，即TY。但要注意这个预测值只反映现象未来的发展趋势，即使很准确的趋势线在按时间顺序的观察方面所起的作用本质上也只是一个平均数的作用，实际值将围绕着它上下波动。
matlab预测模型有哪几种？
根据方法本身的性质特点将预测方法分为三类。
1、定性预测方法
根据人们对系统过去和现在的经验、判断和直觉进行预测，其中以人的逻辑判断为主，仅要求提供系统发展的方向、状态、形势等定性结果。该方法适用于缺乏历史统计数据的系统对象。
2、时间序列分析
根据系统对象随时间变化的历史资料，只考虑系统变量随时间的变化规律，对系统未来的表现时间进行定量预测。主要包括移动平均法、指数平滑法、趋势外推法等。该方法适于利用简单统计数据预测研究对象随时间变化的趋势等。
3、因果关系预测
系统变量之间存在某种前因后果关系，找出影响某种结果的几个因素，建立因与果之间的数学模型，根据因素变量的变化预测结果变量的变化，既预测系统发展的方向又确定具体的数值变化规律。
什么是预测模模型？
预测分析的过程，是通过预测模型，预测当输入（expalanatory variable）改变后，输出（dependent variable / target variable）会有什么样的变化的过程。
与预测模型相对的，在随机模型（Random model）和完美模型（Perfect Model）中，依据SRM理论（Structural risk minimization）找到一个最优模型。
考核一个预测模型是否是最优模型的两个重要指标，准确性和稳定性。准确性是指预测的结果和真实发生的情况基本保持一致性，即使有误差，也能在在允许范围内。而稳定性是指在多组数据进行验证时，准确性都能达到一个相对的满意度。
生成预测模型的过程就是我们一般说的模型训练过程。当用一个数据集来训练预测模型时，输出也就是目标变量是已知的。当模型确定后，再用一个数据集来进行预测时，其输出是需要这个预测模型填写的。