Inferenza conforme dinamica a doppio feedback per la previsione delle serie temporali

Abstract degli autori

Quantificare l’incertezza nella previsione delle serie temporali è particolarmente impegnativo, perché i dati sequenziali presentano dipendenze temporali e sono soggetti a cambiamenti nella distribuzione. L’inferenza conforme si è affermata come un efficace approccio alla quantificazione dell’incertezza attraverso la costruzione di insiemi di previsione. Sviluppi recenti hanno introdotto metodi conformi online che regolano in modo adattivo le soglie di previsione mediante meccanismi di feedback. Tuttavia, il meccanismo di feedback esistente si basa in genere soltanto su indicatori di mancata copertura (feedback effettivo), che segnalano se a ogni istante l’etichetta reale ricade nell’intervallo, trascurando la soglia empirica di previsione (feedback stimato) ricavata dal metodo conforme con oracolo. In questo articolo proponiamo Dynamic Dual-feedback Conformal Inference (DDCI), che integra un meccanismo a doppio feedback composto da feedback effettivo e feedback stimato. Il primo determina la regolazione principale degli intervalli in base alle osservazioni reali, mentre il secondo attenua espansioni o contrazioni eccessive sfruttando, durante gli aggiornamenti, le soglie empiriche ottenute dall’inferenza conforme. Bilanciando questi due segnali, DDCI produce intervalli di previsione più stabili e più stretti in contesti sequenziali, mantenendo nella pratica una copertura vicina a quella nominale.