我正在使用多元线性回归进行零售中的销售量预测。由于实际问题，我无法使用ARIMA或神经网络。
我将历史数据分为训练集和验证集。在这一点上，使用前向验证方法在计算上会非常昂贵。我必须将当前日期之前的x周数作为验证集。 x之前的时间序列是我的训练集。我注意到的这种方法的问题是，与未来的预测相比，在验证期间的准确性要高得多。也就是说，我们距离训练期结束越远，预测/预测的准确性就越差。我该如何最好地控制这个问题？
也许更短的验证周期将使训练周期更接近当前日期，从而提供更准确的预测；但这会损害验证的价值。
另一种想法是在训练过程中欺骗并提供训练和验证历史数据。由于我没有使用神经网络，因此所选算法不应过拟合。如果这个假设不正确，请纠正我。
任何其他想法或解决方案都将受到欢迎。
谢谢
此致
阿黛尔
答案 0 :(得分：1)
如果您不使用ARIMA或DNN，如何使用回归的滚动窗口来训练和测试历史数据？