深度预测分位数解释
Deepar Prediction Quantiles Explained
我正在与 Deepar 合作，试图更好地了解返回的分位数。从文档中，似然超参数解释说：...provide quantiles of the distribution and return samples。
如果我查看单个数据点，返回的分位数是线性的。例如。 0.1 分位数具有最低预测值，0.9 分位数具有最高预测值。我无法理解这一点。如果这些是来自分布的样本，它们不应该看起来类似于使用似然超参数（在我的例子中是负二项式）选择的分布吗？
DeepAR returns 分位数概率预测：默认情况下，返回 0.1、0.2、0.3、...、0.9 分位数。这意味着，根据该模型，在未来的每个时间步长中，您有 10% 的机会观察到低于 0.1 分位数的东西，有 20% 的机会观察到低于 0.2 分位数的东西，依此类推。分位数实际上是有序的，并且它们必须根据分位数的定义。希望这能澄清一点！
我正在与 Deepar 合作，试图更好地了解返回的分位数。从文档中，似然超参数解释说：...provide quantiles of the distribution and return samples。
如果我查看单个数据点，返回的分位数是线性的。例如。 0.1 分位数具有最低预测值，0.9 分位数具有最高预测值。我无法理解这一点。如果这些是来自分布的样本，它们不应该看起来类似于使用似然超参数（在我的例子中是负二项式）选择的分布吗？
DeepAR returns 分位数概率预测：默认情况下，返回 0.1、0.2、0.3、...、0.9 分位数。这意味着，根据该模型，在未来的每个时间步长中，您有 10% 的机会观察到低于 0.1 分位数的东西，有 20% 的机会观察到低于 0.2 分位数的东西，依此类推。分位数实际上是有序的，并且它们必须根据分位数的定义。希望这能澄清一点！