Lasso en Forecasting
Автор: Naren Castellon
Загружено: 2026-02-09
Просмотров: 56
Описание:
El modelo Lasso (Least Absolute Shrinkage and Selection Operator) es una técnica de regresión regularizada que combina predicción y selección de variables. En forecasting, donde se trabaja con múltiples predictores y posibles correlaciones, Lasso resulta especialmente útil porque no solo controla el sobreajuste, sino que también elimina automáticamente variables irrelevantes, simplificando el modelo y mejorando la interpretabilidad.
Beneficios en Forecasting
Selección de variables → elimina predictores irrelevantes, simplificando el modelo.
Robustez → evita el sobreajuste en entornos con muchos datos y ruido.
Interpretabilidad → facilita explicar qué factores realmente impactan la demanda.
Flexibilidad → LassoCV automatiza la selección de hiperparámetros, y Multi-task Lasso permite modelar varias series relacionadas (ej. diferentes productos o regiones).
Escenarios complejos → se integra bien con análisis de sensibilidad y simulaciones de Monte Carlo.
Supuestos lineales clásicos
Linealidad: la relación entre predictores y la variable dependiente es lineal.
Independencia de errores: los residuos no deben estar correlacionados entre sí.
Homoscedasticidad: la varianza de los errores debe ser constante.
Normalidad de errores: los residuos deberían seguir una distribución normal (más relevante para inferencia que para predicción).
No multicolinealidad excesiva: los predictores no deben estar fuertemente correlacionados.
Повторяем попытку...
Доступные форматы для скачивания:
Скачать видео
-
Информация по загрузке:
