评估预测性能
如果您计划使用进行预测拟合模型，一个好的做法是，以评估该模型的预测能力。该样品中，合身的模型不保证预测好。例如，过度拟合会导致良好的样本合适，但预测表现不佳。
当检查预测性能，不使用你的数据的两倍是很重要的。也就是说，你用适合您的模型中的数据应该比你用它来评估预测的数据不同。您可以使用交叉验证来评估出的样本外预测能力：
把你的时间序列分为两个部分：训练集和验证集。
拟合模型到你的训练数据。
预测在有效期拟合模型。
比较的天气预报使用曲线和数值摘要（如预测均方误差）的不渗透性验证观测。
预测均方误差（PMSE）测量模型预测和观察到的数据之间的差异。假设你有一个时间序列的长度ñ和你预留中号验证点，记 。模型拟合后的第一次ñ-中号数据点（训练集），生成预测
该模型PMSE的计算公式为
你可以计算为PMSE的各种选择中号对确认结果的稳定性。
相关的例子
更多关于
您还可以选择从下面的列表中的网站：
