Algorithmic Information Forecastability

要約

すべての時系列の結果を予測することはできない。01}の繰り返し{010101…}のように、正確に予測できるものもあります。アルゴリズム情報理論は、この両極端の間に位置する予測可能性の尺度を提供することができる。予測可能性の度合いはデータのみの関数である。ラベル付けされたデータの予測（または分類）に対して、我々は予測可能性の3つのカテゴリーを提案する：常に正確な予測に対するオラクル予測可能性、境界までの誤差に対する正確な予測可能性、それ以外の予測に対する確率的予測可能性。それぞれの場合について例を示す。

要約(オリジナル)

The outcome of all time series cannot be forecast, e.g. the flipping of a fair coin. Others, like the repeated {01} sequence {010101…} can be forecast exactly. Algorithmic information theory can provide a measure of forecastability that lies between these extremes. The degree of forecastability is a function of only the data. For prediction (or classification) of labeled data, we propose three categories for forecastability: oracle forecastability for predictions that are always exact, precise forecastability for errors up to a bound, and probabilistic forecastability for any other predictions. Examples are given in each case.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL