Генератор прогнозов создает модель с помощью обучающих данных и набора элементарных функций.
Результат работы генератора - прогноз и структура модели данных.

MVR generates and selects non-linear regression models. It was written in the Matlab language and intended to be used as an open-source code.

Introduction

This software is intended a curve-fitting tool. The models (curves) are generated using the set of primitive functions. More information on the algorithms could be found in the presentation, and in the paper. The complete documentation in English is coming. The fields applications are biology, physics, ecology, economics, etc.

Mathematical modelling has two issues: first, to create a model of a dynamic system using knowledge and second, to discover a model and knowledge using the measured data. So there are the model-driven and the data-driven approaches, and each one has its own strengths and weaknesses. The first one gives models that could be interpreted by experts in a field of application but usually they have poor prediction quality. The second one gives models of good quality but often too complex and non-interpretable by experts. The suggested approach gathers strong sides of these two: the result the model could be explained and it relies on the measured data. It allows getting the model with fair quality and generalization ability in comparison to universal models.

MVR Composer (Multivariate Regression Composer) — программа, работающая в системе Matlab. Создает математические регрессионные модели, используя измеряемые данные и экспертные предположения о структуре моделей. Другое название - генератор прогнозов.

Назначение: универсальный математический инструмент для прогнозирования в любой предметной области. Позволяет быстро получить оценочный вариант прогноза без затрат на разработку специального прогнозирующего алгоритма. Основная идея, лежащая в основе генератора - порождение большого множества прогнозирующих алгоритмов (обычно несколько тысяч) и выбор среди них алгоритма, доставляющего наилучший прогноз.

Для построения прогноза используется один из следующих наборов данных