時系列は深層学習じゃなくて、昔からあるのが良いって？（比較の仕方が。。。そんな比較だと当たり前の結論でしょう。。。）Do We Really Need Deep Learning Models for Time Series Forecasting?

時系列は深層学習じゃなくて、昔からあるのが良いって？（比較の仕方が。。。そんな比較だと当たり前の結論でしょう。。。）Do We Really Need Deep Learning Models for Time Series Forecasting?

以下の記事をみかけたので、論文をチラ見した。

ai-scholar.tech

結論： いやーーーー、当たり前でしょうーーーー

論文の概要(Deepl訳）

引用

時系列予測は、電力消費量、交通量、大気質などの予測に限らず、幅広い応用が可能であるため、機械学習における重要なタスクである。従来の予測モデルは、ローリングアベレージ、ベクトル自己回帰、自己回帰統合移動平均に依存している。一方、深層学習や行列分解モデルは、より競争力のあるパフォーマンスで同じ問題に取り組むために最近提案されています。しかし、このようなモデルの大きな欠点は、従来の手法と比較して過度に複雑になる傾向があることである。本論文では、よく知られた機械学習のベースラインであるGradient Boosting Regression Tree（GBRT）モデルに関して、著名な深層学習モデルの結果を報告する。ディープニューラルネットワーク（DNN）モデルと同様に、我々は、時系列予測タスクをウィンドウベースの回帰問題に変換する。さらに、GBRTモデルの入出力構造を特徴づけ、各トレーニングウィンドウにおいて、目標値と外部特徴を連結し、平坦化して多出力GBRTモデルの1つの入力インスタンスを形成するようにした。我々は、昨年度のトップレベルのカンファレンスで発表された8つの最先端のディープラーニングモデルについて、9つのデータセットで比較研究を行いました。その結果、窓ベースの入力変換により、単純なGBRTモデルの性能が、本論文で評価した全ての最先端DNNモデルを上回るレベルまで向上することが実証された。

コメント

すみません、内容が全然追えてませんが、切り口は想像がつきます。
何を言ってるのっ（笑）。
アドバイスなどあれば、お願いします。