> ML_ALGORITHM // VECTOR-AUTOREGRESSION-VAR_v1.0

Vektör Özbağlanımı (VAR ve VECM)

Her değişkeni simetrik olarak ele alarak birden çok paralel zaman serisi arasındaki doğrusal dinamik karşılıklı bağımlılıkları yakalayan klasik ekonometrik model.

Multivariate Econometric Modelstime-series-forecastinghigh-intrinsicsmall (<1k)

Tüm Algoritmalara Dön

Hesaplama Karmaşıklığı

Eğitim (Training):O(n * (k * p)^2 + (k * p)^3) where k is number of series

Çıkarım (Inference):O((k * p)^2)

Donanım Karakteristiği

CPU Uygunluğu:Evet

GPU Zorunluluğu:Hayır

Bellek Ayak İzi:low

Açıklanabilirlik ve Veri

Açıklanabilirlik Düzeyi:high-intrinsic

Eğitim Verisi İhtiyacı:small (<1k)

Açıklanabilirlik Değerlendirmesi

Granger nedensellik test istatistiklerini ve dikleştirilmiş etki-tepki fonksiyonlarını (IRF) doğrudan üretir.

Uygun Görevler ve Desteklenen Modaliteler

Uygun Görevler:

multivariate econometricsgranger causality analysisimpulse response analysis

Desteklenen Modaliteler:

time-series

Uygulayıcı Kütüphaneler

statsmodelsstatsmodels Developers / NumFOCUS · v0.14.4

İncele

caret-r

Temel Literatür & Yayınlar

Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler

Parametre sayısı O(k^2 * p) olarak patlar; aynı anda 10-15 seriden fazlasını modellemek serbestlik derecesinin tükenmesine ve aşırı uyuma yol açar