Menerapkan Recency Dalam Regresi Logistik

Apakah ada konsep atau teori statistik tentang cara mengukur kebaruan dengan efektif di mana peristiwa baru-baru ini diberi bobot lebih dari yang lebih tua. Saya membuat model regresi logistik dan ingin menerapkan penyesuaian pada berbagai faktor berdasarkan peristiwa yang baru terjadi.

... atau, apakah semata-mata terserah saya untuk membuat formula yang sewenang-wenang?

Sebagai contoh: Salah satu proyek saya memprediksi melalui regresi logistik kinerja pegolf pro di turnamen mendatang. Bentuk terbaru mereka (bagaimana mereka bermain minggu lalu) umumnya lebih penting daripada bagaimana mereka bermain enam bulan lalu. Apakah ada teknik / pendekatan khusus yang memanfaatkan konsep ini?

Tidak harus sewenang-wenang; Anda dapat, misalnya, mengasumsikan diskon eksponensial dan mencari koefisien yang memiliki nilai prediksi terbaik.

Yaitu tepat waktu $t$ Anda mungkin mengatakan bahwa beratnya, $w_{t-k} \propto p^k$ atau setara $w_{t-k} \propto \exp{(-\alpha k)}$ (dimana $0<p<1$ dan $\alpha>0$).

Di atas, $p$ atau $\alpha$ adalah parameter gratis, tetapi alih-alih memilihnya secara sewenang-wenang, Anda dapat membandingkan kinerja prediktifnya di berbagai nilai $p$ (atau ekuivalen, lintas berbeda $\alpha$), mungkin dengan membandingkan jumlah kuadrat satu langkah di depan kesalahan prediksi, atau kriteria apa pun lainnya (fungsi kerugian) yang Anda anggap paling berharga / menarik / berguna.

Atau Anda bisa menggunakan pendekatan serupa tetapi di mana Anda menerapkan beberapa bentuk diskon lainnya, seperti diskon hiperbolik .