Прогнозирование

Материал из MachineLearning.

Статья частично расширена с использованием LLM Gemini 3.5 Flash и проверена участником Vsevolod Peretiatko 23:58, 15 июня 2026 (MSD)

Прогнозирование (англ. forecasting) — область машинного обучения и прикладной статистики, задача которой заключается в предсказании будущих значений целевого процесса или величины на основе исторических данных, а также доступной сопутствующей информации.

В контексте анализа данных прогнозирование чаще всего сводится к анализу временных рядов (англ. time series forecasting). Главное отличие задачи прогнозирования от классической задачи регрессии заключается в нарушении предположения о независимости и одинаковой распределённости наблюдений (i.i.d.): данные в прогнозировании упорядочены во времени и обладают внутренней зависимостью (автокорреляцией).

Математическая постановка задачи

Пусть задан случайный процесс, наблюдаемый в дискретные моменты времени . Значение целевой переменной в момент времени обозначим как .

Также в каждый момент времени может быть доступен вектор экзогенных (внешних) факторов , которые влияют на целевую переменную, но сами от неё не зависят (например, метеоусловия для прогноза энергопотребления).

Задача прогнозирования заключается в построении модели (алгоритма) , которая по известной предыстории длины предсказывает значения целевой переменной на шагов вперёд. Величина называется горизонтом прогнозирования (англ. forecasting horizon).