Исследование важности входных признаков при прогнозировании геомагнитного индекса алгоритмами машинного обучения

Abstract

Одним из эффективных инструментов для прогнозирования временных рядов является использование методов машинного обучения, в частности, искусственных нейронных сетей. Однако при этом необходимым этапом исследования является понижение размерности входных данных. В данной работе рассматриваются результаты понижения размерности данных на основе ранжирования входных признаков по их существенности при решении задачи прогнозирования геомагнитного индекса Dst. Для оценки относительной существенности признаков используется итеративный подход, связанный с перебором моделей-кандидатов путём отбрасывания признаков по одному.