Chiến lược Direct Multi-step (DMS) khác gì so với Recursive Forecasting trong dự báo chuỗi thời gian?

Mở đầu – Vì sao nhiều bạn hay nhầm giữa DMS và dự báo đệ quy?

Khi bước vào dự báo chuỗi thời gian, một câu hỏi quen thuộc thường xuất hiện:

“Dự báo nhiều bước tương lai thì nên dùng cách nào? Dự báo từng bước nối nhau (đệ quy) hay dự báo trực tiếp từng bước (DMS)?”

Hai chiến lược đều phổ biến, đều được nhắc trong các nhóm kiến thức ML/DL về Time Series (Module 4–7 trong mảng học thuật). Nhưng khi bắt đầu áp dụng vào dữ liệu thật, nhiều bạn thường bị rối vì không rõ ưu – nhược điểm của từng cách.

Đặc biệt, khi làm các bài toán như:

Dự báo doanh thu 7 ngày tới,
Dự báo lưu lượng truy cập 24 giờ tiếp theo,
Dự báo sản lượng cảm biến 30 bước tương lai,

thì việc chọn chiến lược dự báo ảnh hưởng trực tiếp đến độ ổn định của mô hình.

Cốt lõi – Khác biệt nằm ở cách tạo ra nhiều bước dự báo

🔹 Dự báo đệ quy (Recursive Forecasting)

Mô hình dự đoán 1 bước mỗi lần. Sau đó đưa chính dự báo vừa tạo vào làm đầu vào cho bước tiếp theo. Chuỗi dự báo tương lai được tạo ra tuần tự.

Hình dung:

Dự đoán bước 1 → dùng kết quả để dự đoán bước 2
Dự đoán bước 2 → dùng tiếp để dự đoán bước 3
… cứ thế cho đến H bước

Điểm cốt lõi:
Mọi dự báo sau bước đầu đều phụ thuộc vào sai số của bước trước → sai số tích lũy.

🔹 Direct Multi-step (DMS)

Mô hình dự đoán trực tiếp từng bước tương lai, mà không dùng lại dự báo trước đó. Với mỗi bước dự báo, mô hình học một hàm riêng.

Ví dụ:

Một mô hình cho bước 1
Một mô hình cho bước 2
Một mô hình cho bước 3…

Hoặc một mô hình duy nhất nhưng output nhiều chiều.

Điểm cốt lõi:
Không tạo

chuỗi phụ thuộc lỗi

. Sai số không lan truyền từ bước này sang bước khác.

Ví dụ thực tế

Giả sử bạn cần dự báo 3 ngày tới.

Với Recursive:

Ngày 1 → dự báo A1
Ngày 2 dùng A1 → dự báo A2
Ngày 3 dùng A2 → dự báo A3

Nếu A1 sai 10%, A2 và A3 thường bị sai theo.

Với DMS:

Ngày 1 → dự báo D1 (từ dữ liệu thật)
Ngày 2 → dự báo D2 (từ dữ liệu thật)
Ngày 3 → dự báo D3 (từ dữ liệu thật)

Sai số của ngày 1 không ảnh hưởng ngày 2 hoặc 3.

Góc nhìn khi làm dự án

Khi nào Recursive phù hợp?

Khi dữ liệu có tính động rất rõ ràng theo thời gian.
Khi cần mô hình nhỏ, nhẹ, ít tài nguyên.
Khi không có nhiều dữ liệu để huấn luyện.

Hạn chế: sai số có thể phình to theo từng bước, nhất là khi dự báo xa (30–60 bước).

Khi nào DMS phù hợp?

Khi cần độ ổn định cao ở bước xa hơn.
Khi muốn hạn chế sai số tích lũy.
Khi có đủ dữ liệu để huấn luyện nhiều mô hình hoặc một mô hình multi-output.
Khi chuỗi có mức nhiễu cao → DMS thường bền hơn.

Trong các module về tối ưu hóa và DL (Module 5–7), đây là cách tiếp cận thường được dùng khi muốn mô hình giảm phụ thuộc lẫn nhau giữa các bước dự đoán.

Tóm tắt sự khác biệt

Tiêu chí	Recursive Forecasting	Direct Multi-step (DMS)
Cách dự báo	Dự báo từng bước, dùng lại kết quả	Dự báo trực tiếp từng bước
Sai số	Tích lũy theo bước	Không tích lũy
Số mô hình	1 mô hình duy nhất	N mô hình hoặc 1 mô hình multi-output
Tốc độ	Nhanh, ít tài nguyên	Tốn hơn nhưng ổn định hơn
Ưu điểm	Đơn giản, linh hoạt	Bền vững, ổn định ở bước xa
Nhược điểm	Sai số lan truyền	Tốn dữ liệu/tài nguyên

Lời khuyên nhẹ cho người bắt đầu

Bạn có thể thử:

Chạy thử cả 2 chiến lược,
So sánh độ lệch ở các bước gần và xa,
Quan sát mô hình nào giữ được sự ổn định.

Đây là cách giúp hiểu rõ hơn về hành vi của chuỗi trong dự án thực tế.

Hỏi đáp nhanh về chủ đề DMS vs Recursive

Recursive có khiến sai số phình to không?
Có, vì mỗi bước dùng kết quả của bước trước.

DMS có cần nhiều mô hình hơn không?
Có, trừ khi bạn dùng mô hình multi-output.

DMS có ổn định hơn ở bước xa không?
Có, vì không bị lan truyền sai số.

Recursive có chạy nhanh hơn DMS không?
Có, vì chỉ cần huấn luyện 1 mô hình.

FAQ về AIO

Q: Mình con số 0 thì học nổi không?
A: Chỉ cần có thời gian học mỗi ngày. Kiến thức và tài liệu team admin lo.

Q: Ai dạy AIO?
A: Toàn bộ admin AIO trực tiếp dạy và hỗ trợ trong suốt hành trình.

Q: Admin có “xịn” không?
A: Admin đều là người làm nghề thật. Không dám nói xịn, chỉ dạy bằng hết sức mình.

Q: AIO khác gì trung tâm khác?
A: AIO không phải trung tâm. Đây là dự án học tập cộng đồng với tinh thần “Cùng nhau học – cùng nhau khổ – cùng nhau lớn”.