Je suis novice en apprentissage automatique et j'essaie de comprendre comment appliquer le réseau de neurones à la prévision de séries chronologiques. J'ai trouvé des ressources liées à ma requête, mais il me semble que je suis encore un peu perdu. Je pense qu'une explication de base sans trop de détails aiderait.
Disons que j'ai des valeurs de prix pour chaque mois sur quelques années et que je veux prédire de nouvelles valeurs de prix. Je pourrais obtenir une liste des prix des derniers mois, puis essayer de trouver des tendances similaires dans le passé en utilisant K-Nearest-Neighbor. Je pourrais les utiliser le taux de changement ou une autre propriété des tendances passées pour essayer de prévoir de nouveaux prix. Comment puis-je appliquer le réseau de neurones à ce même problème?
la source
Réponses:
Voici une recette simple qui peut vous aider à commencer à écrire du code et à tester des idées ...
Supposons que vous ayez des données mensuelles enregistrées sur plusieurs années, vous avez donc 36 valeurs. Supposons également que vous ne vous souciez que de prédire un mois (valeur) à l'avance.
Cette recette est évidemment de haut niveau et vous risquez de vous perdre la tête en essayant de faire correspondre votre contexte à différentes bibliothèques / programmes de logiciels. Mais espérons que ceci résume l’essentiel: vous devez créer des modèles d’entraînement qui contiennent raisonnablement la structure de corrélation de la série que vous essayez de prévoir. Et que vous fassiez des prévisions avec un réseau de neurones ou un modèle ARIMA, le travail exploratoire visant à déterminer quelle est cette structure est souvent la partie la plus longue et la plus difficile.
D'après mon expérience, les réseaux de neurones peuvent fournir d'excellentes fonctionnalités de classification et de prévision, mais leur mise en place peut prendre beaucoup de temps. Dans l'exemple ci-dessus, vous constaterez peut-être que 21 modèles d'entraînement ne suffisent pas; différentes transformations de données d'entrée conduisent à des prévisions meilleures / pires; la variation du nombre de couches et de nœuds de couche masqués affecte grandement les prévisions; etc.
Je recommande fortement de consulter le site Web neural_forecasting , qui contient des tonnes d'informations sur les compétitions de prévision de réseau neuronal. La page Motivations est particulièrement utile.
la source