Perché questa previsione delle serie storiche è "piuttosto scadente"?

Sto cercando di imparare come usare le reti neurali. Stavo leggendo questo tutorial .

Dopo aver inserito una Rete Neurale su una serie temporale utilizzando il valore in per prevedere il valore in l'autore ottiene il seguente grafico, dove la linea blu è la serie storica, il verde è la previsione sui dati dei treni, il rosso è il previsione sui dati di test (ha usato una divisione test-train)t + $t$$t+1$

e lo chiama "Possiamo vedere che il modello ha fatto un lavoro piuttosto scadente nell'adattare sia i set di dati di training che quelli di test. Praticamente ha previsto lo stesso valore di input dell'output".

Quindi l'autore decide di usare , e per prevedere il valore in . In tal modo ottienet - 1 t - 2 t + $t$$t-1$$t-2$$t+1$

e dice "Guardando il grafico, possiamo vedere più struttura nelle previsioni".

La mia domanda

Perché il primo "povero"? mi sembra quasi perfetto, prevede perfettamente ogni singolo cambiamento!

E allo stesso modo, perché il secondo è migliore? Dov'è la "struttura"? A me sembra molto più povero del primo.

In generale, quando è buona una previsione sulle serie storiche e quando è cattiva?

È una specie di illusione ottica: l'occhio guarda il grafico e vede che i grafici rosso e blu sono proprio accanto a ciascuno. Il problema è che si trovano uno accanto all'altro in orizzontale , ma ciò che conta è la verticaledistanza. L'occhio vede più facilmente la distanza tra le curve nello spazio bidimensionale del grafico cartesiano, ma ciò che conta è la distanza unidimensionale all'interno di un particolare valore t. Ad esempio, supponiamo di avere i punti A1 = (10.100), A2 = (10.1, 90), A3 = (9.8,85), P1 = (10.1.100.1) e P2 = (9.8, 88). L'occhio confronterà naturalmente P1 con A1, perché quello è il punto più vicino, mentre P2 verrà confrontato con A2. Poiché P1 è più vicino ad A1 di P2 rispetto ad A3, P1 sembrerà una previsione migliore. Ma quando confronti P1 con A1, stai solo guardando quanto bene A1 è in grado di ripetere ciò che ha visto prima; rispetto ad A1, P1 non è una previsione. Il confronto corretto è tra P1 v. A2 e P2 v. A3, e in questo confronto P2 è migliore di P1. Sarebbe stato più chiaro se, oltre a tracciare y_actual e y_pred contro t, ci fossero stati grafici di (y_pred-y_actual) contro t.

Perché il primo "povero"? mi sembra quasi perfetto, prevede perfettamente ogni singolo cambiamento!

È una cosiddetta previsione "spostata". Se osservi più da vicino il grafico 1, vedi che il potere di previsione è solo copiando quasi esattamente l'ultimo valore visto. Ciò significa che il modello non ha imparato nulla di meglio e tratta le serie storiche come una passeggiata casuale. Immagino che il problema potrebbe essere dovuto al fatto che usi i dati grezzi che invii alla rete neurale. Questi dati non sono fissi e ciò causa tutti i problemi.