Eu sou novo no aprendizado de máquina e tenho tentado descobrir como aplicar redes neurais à previsão de séries temporais. Encontrei recursos relacionados à minha consulta, mas ainda estou um pouco perdido. Eu acho que uma explicação básica sem muitos detalhes ajudaria.
Digamos que tenho alguns valores de preço para cada mês em alguns anos e desejo prever novos valores de preços. Eu pude obter uma lista de preços nos últimos meses e tentar encontrar tendências semelhantes no passado usando o K-Nearest-Neighbor. Eu poderia usar a taxa de variação ou alguma outra propriedade das tendências passadas para tentar prever novos preços. Como posso aplicar a rede neural a esse mesmo problema é o que estou tentando descobrir.
time-series
forecasting
neural-networks
solartic
fonte
fonte
Respostas:
Aqui está uma receita simples que pode ajudá-lo a começar a escrever código e testar idéias ...
Vamos supor que você tenha dados mensais registrados ao longo de vários anos, então você tem 36 valores. Vamos supor também que você só se preocupa em prever um mês (valor) com antecedência.
Esta receita é obviamente de alto nível e você pode coçar a cabeça primeiro ao tentar mapear seu contexto em diferentes bibliotecas / programas de software. Mas, esperançosamente, isso esboça o ponto principal: você precisa criar padrões de treinamento que contenham razoavelmente a estrutura de correlação da série que você está tentando prever. E se você faz a previsão com uma rede neural ou com um modelo ARIMA, o trabalho exploratório para determinar o que é essa estrutura geralmente é a parte mais difícil e demorada.
Na minha experiência, as redes neurais podem fornecer ótimas funcionalidades de classificação e previsão, mas configurá-las pode levar muito tempo. No exemplo acima, você pode achar que 21 padrões de treinamento não são suficientes; diferentes transformações de dados de entrada levam a melhores / piores previsões; variar o número de camadas ocultas e nós da camada oculta afeta muito as previsões; etc.
Eu recomendo consultar o site neural_forecasting , que contém toneladas de informações sobre competições de previsão de redes neurais. A página Motivações é especialmente útil.
fonte