ИСТИНА

Целью данной работы является анализ возможностей расширения пространства признаков (без использования дополнительных данных) за счет модели типа конечной нормальной смеси при прогнозировании временных рядов с помощью гребневой регрессии. Основная идея состоит в разложении ряда на компоненты с использованием метода скользящего разделения смесей (СРС-метода), и использовании характеристик этих компонент в качестве дополнительных признаков, подаваемых на вход алгоритмам машинного обучения. Также рассматриваются вопросы выделения непрерывных компонент в процессе обработки реальных данных с помощью СРС-метода, а также их прогнозирование.