¿Existe una forma de adaptar los modelos de aprendizaje automático sabiendo de antemano que las distribuciones cambiarán?

Question

Actualmente estoy trabajando en un tema en el que sé que las distribuciones de la producción y de las covariables se desplazarán. Sé, por ejemplo, que algunas covariables seguirán al menos la tasa de inflación. El objetivo es predecir el resultado a lo largo del tiempo, basándose en las series temporales. Por lo que entiendo los métodos de aprendizaje automático, suponen distribuciones constantes a lo largo del tiempo.

He pensado en adaptar la estandarización de las covariables en el tiempo, pero no estoy seguro de que funcione.

¿Existe algún método utilizado en este caso para adaptar el modelo (árboles de regresión o SVR, por ejemplo) para tenerlo en cuenta?

Creo que esta cuestión puede dividirse en dos partes:

1. ¿Existe una forma de adaptar el modelo sabiendo aproximadamente en qué medida debe desplazarse la distribución?

2. ¿Existe alguna manera si no conocemos el turno potencial?

Answer 1

A lo que se refiere es a deriva del concepto que cuenta con una gran cantidad de investigaciones realizadas en el contexto, sobre todo, del aprendizaje en línea.

Para familiarizarse con la investigación, yo empezaría por este documento de revisión (13 años ya) y ver artículos relacionados.

En general, es muy difícil aprender bajo la deriva del concepto porque las suposiciones del iid se rompen, el desafío es detectar cuando eso sucede.