Hold-out estimates of prediction models for Markov processes
马尔可夫过程预测模型的留出法估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究马尔可夫时间序列的预测模型与样本外选择理论，因此对应时间序列及预测方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
马尔可夫过程预测模型的留出法估计
- 研究问题
- 当训练集与未来验证集存在时间依赖时，留出法选择马尔可夫时间序列预测模型能否获得泛化保障并适应噪声条件？
- 方法与思路
- 作者在马尔可夫链一致遍历的假设下，分析按未来验证误差选模型的留出法，建立泛化界与 oracle 不等式。
- 材料陈述的贡献
- 摘要称，理论结果覆盖训练与验证样本不独立的情形，并说明样本外模型选择方法能够适应噪声条件。
- 阅读关注点
- 应核对一致遍历及噪声条件的定义、训练验证划分方式、误差界对依赖程度的刻画，以及 oracle 比较基准的含义。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未说明损失函数、误差界常数或具体适应性条件，不能推广至任意依赖序列。
原文摘要
We consider the selection of prediction models for Markovian time series. For this purpose, we study the theoretical properties of the hold-out method. In the econometrics literature, the hold-out method is called out-of-sample and is the main method to select a suitable time series model. This method consists of estimating models on a learning set and picking up the model with minimal empirical error on a validation set of future observations. Hold-out estimates are well studied in the independent case, but, as far as we know, this is not the case when the validation set is not independent of the learning set. In this paper, assuming uniform ergodicity of the Markov chain, we state generalization bounds and oracle inequalities for such method; in particular, we show that the out-of-sample selection method is adaptative to noise condition.