《表4 基于网格搜索的AIC、BIC和HQIC值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《中国博士生教育规模增长预测分析——基于1996—2018年省际面板数据的实证研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

现在使用自回归阶数p和移动平均q的参数二元组带入到ARMA模型中，使得AIC、BIC和HQIC值达到最小的参数即为理想阶数。在机器学习（Machine Learning）中，这个过程被称为网格搜索（Grid Search）：是一项模型超参数优化（Hyper-parametric Optimization）技术，在指定的参数范围内循环遍历，按步长依次调整参数，利用调整的参数训练学习器，从所有的参数中找到在验证集（Validation Set）上精度最高的参数。结合自相关系数图和偏自相关系数图，我们将自回归阶数p和移动平均q设置为[0，5]，表4为网格搜索的结果：