Forecasting smoothed time series

[Dreamlone]

A possible improvement of the time series smoothing operation is proposed. Below is example of applying smoothed operation

Currently, the implementation of smoothing allows modifying only the "features" time series (features field in InputData/OutputData). But it does not change the target. Changing target as part of smoothing can also allow us to build more efficient pipelines (probably)

[nicl-nno]

А почему smoothing влияет на target, а не просто выдает сглаженный predict?

[Dreamlone]

Возможно не так описал (сам запутался, сейчас переформулирую и изменю описание). Если подробно:

1. Есть исходный временной ряд (features) и этот же самый исходный временной ряд (target). После операции сглаживания, сглаженный временной ряд из features переходит в features для следующего узла, target временной ряд при этом остаётся без изменений. То есть преобразование осуществляется только над features.

2. Операция lagged. Берёт сглаженные features и исходный target и сопоставляет их. Я подумал и хотел обсудить, раз у нас появилась возможность использовать разные target'ы в одном пайплайне, то лучше было бы в операции lagged сопоставлять именно сглаженные features со сглаженным target'м. Вроде вся идея сглаживания, что мы можем прогнозировать более спокойный временной ряд, без лишнего шума. А тут мы признаки то подправили, а вот target как был шумным, так и остался.

Ну и так как здесь тег discuss, можно оставить и как есть.

[nicl-nno]

лучше было бы в операции lagged сопоставлять именно сглаженные features со сглаженным target'м

Ну кмк если это и делать - то как отдельный вариант операции. Т.к. сглаживание только признаков вполне может иметь позитивный эффект, т.к. уменьшает шум (а предсказание модели все равно шум в target не предскажет)

[kasyanovse]

Сходу приходят следующие минусы введения нового smoothing со сглаживанием таргета:

1. Любое сглаживание добавляет некоторый лаг в данные. Если таргет не трогать, то модель/узел может прекрасно обучиться работать с этим лагом. Если сгладить таргет, то модель/узел перенесет этот лаг в предикт, что потенциально приведет к ухудшению метрик.
2. Да, где-то дальше в пайплайне этот лаг может быть исправлен другим узлом, но может быть и не исправлен.
3. Встает проблема распространения правильного таргета по пайплайну и подавления распространения сглаженного (я не вкурсе, может быть проблемы нет)
4. Введение нового узла/нового параметра узла приведет к увеличению размерности области поиска оптимального пайплайна.

Плюсов я не вижу. Для поиска плюсов нужно исследование, то есть время и труд.

Так как ожидаемые плюсы от внедрения такой фичи не совсем ясны, но вполне ясны минусы, я бы предложил отказаться от этой идеи.