问在机器学习算法中，什么是“刷新率”？

EN

纪念碑工人来了。我认为我们应该在某个地方建立一个Faq平台，因为这些问题可能会让其他人感到困惑，没有上下文:-)

回到您的问题，refresh rate只影响时间序列分析的“验证”部分。它被解释为一个频率数，因此1=高刷新率和50 =低刷新率。较高的刷新速率会给您更好的验证效率，但比较低的刷新速度要慢；因此您通常选择适度的(10是一个不错的选择)。

下面是======更多的技术解释。======

在纪念碑上，您选择一个算法对您的时间序列数据进行未来的“预测”，并查看“验证”结果，以了解该算法是否适合您的问题。预测任务由两个“窗口”参数指定：lookback和lookahead。选择lookback=10和lookahead=5意味着您正在尝试“使用最后10个数据点预测未来的5个数据点”。

验证需要反映来自完全相同预测任务的结果。特别是，对于每个历史数据点，您希望训练一个新的模型，在过去有10个点来预测前面的5个点。这是refresh rate=1，即对每个数据点进行刷新的时候。对于每个历史数据点，创建一个长度为15 (10+5)的“子窗口”。这是许多新模式的训练，可能会非常缓慢。

如果时间和内存限制不是问题，那么refresh rate=1是一个很好的选择，但通常我们希望更高效。这里我们利用了一个“本地可重用性”假设，即为子窗口训练的模型对于相邻的子窗口是有用的。然后，我们可以在一个子窗口上训练模型，并在10个历史点(即refresh rate=10 )上使用它。这种方法所需的计算量要少得多，验证在一定程度上仍然是准确的。注意，您可能不想设置refresh rate=200，因为我的模型对于200点之外的数据仍然有用，这一点并不令人信服。正如你所看到的，在速度和准确性之间有一种权衡。