Я новичок в машинном обучении, и я пытался понять, как применить нейронную сеть для прогнозирования временных рядов. Я нашел ресурс, связанный с моим запросом, но я все еще немного потерян. Я думаю, что базовое объяснение без особых подробностей поможет.
Допустим, у меня есть несколько ценовых значений для каждого месяца в течение нескольких лет, и я хочу предсказать новые ценовые значения. Я мог бы получить список цен за последние несколько месяцев, а затем попытаться найти похожие тенденции в прошлом, используя K-Nearest-Neighbor. Я мог бы использовать скорость изменения или какое-то другое свойство прошлых тенденций, чтобы попытаться предсказать новые цены. Как я могу применить нейронную сеть к этой же проблеме - вот что я пытаюсь выяснить.
источник
Ответы:
Вот простой рецепт, который может помочь вам начать писать код и тестировать идеи ...
Предположим, у вас есть ежемесячные данные, записанные за несколько лет, поэтому у вас есть 36 значений. Предположим также, что вы заботитесь только о прогнозировании за месяц (значение).
Этот рецепт, очевидно, высокого уровня, и вы можете сначала почесать голову, пытаясь отобразить свой контекст в разных библиотеках / программах. Но, надеюсь, это обрисовывает в общих чертах главное: вам нужно создать шаблоны тренировок, которые разумно содержат корреляционную структуру ряда, который вы пытаетесь прогнозировать. И независимо от того, выполняете ли вы прогнозирование с помощью нейронной сети или модели ARIMA, исследовательская работа по определению структуры является зачастую самой трудоемкой и трудной частью.
По моему опыту, нейронные сети могут обеспечить большую функциональность классификации и прогнозирования, но их настройка может занять много времени. В приведенном выше примере вы можете обнаружить, что 21 тренировочных моделей недостаточно; различные преобразования входных данных приводят к лучшим / худшим прогнозам; изменение количества скрытых слоев и узлов скрытых слоев сильно влияет на прогнозы; и т.п.
Я настоятельно рекомендую посетить веб-сайт neural_forecasting , который содержит тонны информации о соревнованиях по прогнозированию нейронных сетей. Страница Мотивации особенно полезна.
источник