时间序列预测的评估指标补遗

2020-04-02 本文已影响0人虚胖一场

本文链接：个人站 | 简书 | CSDN
版权声明：除特别声明外，本博客文章均采用 BY-NC-SA 许可协议。转载请注明出处。

在《销量预测中的误差指标分析》一文中，我们介绍了一些时间序列点预测中常用的指标。而通过在《为什么需要考虑销量的随机性？》、《报童问题》和《报童问题的简单解法》等文中的探讨，我们已经看到，将需求预测的方式从点预测改为概率分布预测，可以有效降低库存管理的风险，获得更大的期望收益。针对时间序列的概率分布预测，我们也已经介绍了 DeepAR、Transformer 等若干深度学习模型。那么，该如何评估概率分布预测的效果呢？在《概率预测的评估方法简介》一文中，我们已经介绍了一些通用的概率预测的评估指标。在本文中，我们再补充介绍几个适用于时间序列的概率预测评估指标。

1. Quantile Loss

在《分位数回归》一文中，我们证明了以最小化分位数损失作为训练目标，可以得到分位数预测模型。其实反过来看，分位数损失也可以作为概率分布预测的评估指标。

用 $Z_t$ 表示 $t$ 时刻的真实值，用 $\hat Z_t^\rho$ 表示概率分布预测给出的 $t$ 时刻的 $\rho$ 分位数，总共预测 $h$ 步，我们定义 Quantile Loss 为
$QL_\rho = 2\sum_{t=1}^{h}(\hat Z_t^\rho-Z_t)\left(\rho I_{\{\hat Z_t^\rho > Z_t\}} - (1-\rho)I_{\{\hat Z_t^\rho \leq Z_t\}}\right)$
在此基础上定义 weighted Quantile Loss 为
$wQL_\rho = \frac{QL_\rho}{\sum\limits_{t=1}^h Z_t}$
不难发现取 $\rho=0.5$ 时
$wQL_{0.5}=\frac{\sum_{t=1}^h|\hat Z_t^{0.5}-Z_t|}{ \sum_{t=1}^h Z_t} \equiv wMAPE$
wMAPE 是在销量点预测中常用的评估指标，现在我们知道它可以看作分位数损失的一个特例，或者反过来说，分位数损失可以看作 wMAPE 的泛化。因此，选择分位数损失作为概率分布预测的评估指标还有一个额外的好处，就是可以把点预测和概率分布预测的评估统一起来。

2. Coverage

沿用上面的符号，我们定义 Coverage 指标为
$C_\rho=\frac{1}{h}\sum_{t=1}^h I_{\{\hat Z_t^\rho \geq Z_t\}}$
也就是在 $h$ 步预测中，真实值 $Z_t$ 小于等于预测的 $\rho$ 分位数 $\hat Z_t^\rho$ 的比例。直观上来看，如果预测得越准，这个比例应该越接近 $\rho$ 。

事实上
$\begin{aligned} \mathbb E I_{\{Z^\rho \geq Z \}} &= \int_{-\infty}^{+\infty} I_{\{ Z^\rho \geq z\}} f(z)\mathrm dz \\ &= \int_{-\infty}^{Z^\rho} f(z)\mathrm dz \\ &= F(Z^\rho) \\ &= \rho \end{aligned}$
因此， $\hat Z_t^\rho\to Z_t^\rho$ ，则 $C_\rho\to\rho$ 。

这个指标的优势是非常直观。我们可以取多个 $\rho$ ，分别计算 $C_\rho$ ，然后作 $C_\rho-\rho$ 图，如果越靠近直线 $y=x$ ，说明预测越准。

3. MSIS (Mean Scaled Interval Score)

这是 M4 比赛的指标之一，用来评估预测区间的好坏。其定义为
$MSIS = \frac{\frac{1}{h}\sum_{t=1}^h(\hat U_t-\hat L_t)+\frac{2}{\alpha}(\hat L_t-Z_t)I_{\{Z_t<\hat L_t\}} +\frac{2}{\alpha}(Z_t-\hat U_t)I_{\{Z_t>\hat U_t\}} }{\frac{1}{n-m}\sum_{t=m+1}^n|Z_t-Z_{t-m}|}$
其中 $\alpha$ 是显著性水平， $\hat U$ 和 $\hat L$ 是预测区间的上界和下界。举例来说，我们给出了 95% 预测区间的上下界，此时 $\alpha=0.05$ 。

我们先看分子，第一项惩罚的是上下界之间的间隔，第二项惩罚的是真实值低于下界的情况，第三项惩罚的是真实值高于上界的情况。单看分子很好理解，直观上就是要用尽可能窄的区间把真实值“包”进去。

那么分母是个什么玩意儿呢？它实际上借鉴自点预测的一种评估指标，MASE (Mean Absolute Scaled Error)。
$MASE = \frac{\frac{1}{h}\sum_{t=1}^h|\hat Z_t-Z_t|}{\frac{1}{n-m}\sum_{t=m+1}^n|Z_t-Z_{t-m}|}$
MASE 实际上是用测试集上的 MAE 除以一个 Naïve 预测模型在训练集上的 MAE。所谓的 Naïve 模型，有两种情况，对于非周期性序列，则预测 $\hat Z_{t+1|t}=Z_t$ ；对于周期性序列，设周期为 $m$ ，则预测 $\hat Z_{t+1|t}=Z_{t-m}$ 。MASE 的意义在于，所有的模型都来跟 Naïve 模型比一比，看看能比它好出多少。

总之需要注意的是，MASE 和 MSIS 的分母是用训练集来计算的。

4. CRPS (Continuous Ranked Probability Score)

这个指标我们在《概率预测的评估方法简介》中已经介绍过了，它也是概率预测中使用最广泛的指标之一，它的定义如下：
$CRPS(F^f, F^o) = \int_{-\infty}^{+\infty}\left[F^f(x)-F^o(x)\right]^2\mathrm dx$
其中 $F^f$ 是预测分布的 CDF， $F^o$ 是观测值的 CDF。由定义可知，CRPS 衡量的是预测分布和真实分布的差异，当预测分布与真实分布完全一致时，CRPS 为零。预测分布过于集中、过于分散，亦或是偏离观测值太远都会导致 CRPS 增大。

问题在于，在我们的场景下，每天的销量只会发生一次——我们不能看到某一件商品在多元宇宙中的销量——无法给出观测值的 CDF。这种情况下，可以用下面的式子来估算
$CRPS = \frac{1}{h}\sum_{t=1}^{h}\int_{-\infty}^{\infty}\left[F_t(x)-\epsilon(x-Z_t)\right]^2\mathrm dx$
其中
$\epsilon(t)= \begin{cases} 0, \qquad t < 0\\ 1, \qquad t\geq 0 \end{cases}$
为单位阶跃函数。

前面已经提到分位数损失可以看作 wMAPE 的泛化。事实上，这种定义下的 CRPS 也可以看作是点预测中常见的 MAE 指标的泛化，这也是为什么我们要在这里炒冷饭。如果我们输出的仅仅是一个点预测 $\hat Z_t$ ，则它的 CDF 也只能使用单位阶跃函数近似为 $F_t(x) = \epsilon(x-\hat Z_t)$ 。代入到 CRPS 的定义中，可以发现
$\begin{aligned} CRPS &= \frac{1}{h}\sum_{t=1}^{h}\int_{-\infty}^{\infty}\left[\epsilon(x-\hat Z_t)-\epsilon(x-Z_t)\right]^2\mathrm dx\\ &= \frac{1}{h}\sum_{t=1}^{h}\int_{\min(\hat Z_t, Z_t)}^{\max(\hat Z_t, Z_t)}1^2\mathrm dx\\ &= \frac{1}{h}\sum_{t=1}^{h}|\hat Z_t - Z_t|\\ &\equiv MAE \end{aligned}$

CRPS 评估的是分布整体的情况，而不是某个分位数，这是它的优势。这也意味着模型必需能够输出累积分布函数。与分位数损失类似，CRPS 也可以将点预测和概率分布预测的评估统一起来，但是 MAE 并不像 wMAPE 应用得那么频繁。

参考文献

Salinas D, Flunkert V, Gasthaus J, et al. DeepAR: Probabilistic forecasting with autoregressive recurrent networks[J]. International Journal of Forecasting, 2019.
M4 Competitor's Guide
Mean absolute scaled error - Wikipedia