Introduzione alle reti neurali per le previsioni

Ho bisogno di alcune risorse per iniziare a utilizzare le reti neurali per la previsione delle serie storiche. Sono diffidente nell'implementare alcuni documenti e poi scoprire che hanno ampiamente dichiarato il potenziale dei loro metodi. Quindi, se hai esperienza con i metodi che stai suggerendo, sarà ancora più fantastico.

— Richard Hardy
fonte

Si noti che gli NN sono piuttosto ... obsoleti.

@jason, NN sono stati caratterizzati come "regressione senza etica" in quanto non solo si adattano troppo, ma fanno l'errore di "credere ai dati" piuttosto che "sfidare i dati per coerenza del segnale"

— IrishStat

Gli NN non sono totalmente obsoleti. Detengono i migliori punteggi su diversi importanti parametri di riferimento attualmente affrontati dalla comunità ML. Inoltre, sono il miglior approssimatore di funzioni differenziali multiuso in circolazione. Scopri il lavoro dei gruppi di Bengio, Hinton e Lecun degli ultimi 5 anni.

— Bayerj,

Ho letto il documento Bengio & Lecun e mi fa cambiare idea, ma quello che stanno facendo è abbastanza diverso dalle reti neurali storiche. L'OP vuole lavorare con le serie temporali, in cui esistono diversi metodi che possono funzionare con serie temporali univariate e in realtà forniscono informazioni utili sulle serie temporali (vengono in mente i DLM). Se si dispone di dati oltre le serie storiche, è possibile utilizzare una varietà di altri metodi (LM, ecc.) Che sono semplici e illuminanti. Perché usare una scatola nera con quadranti senza etichetta quando puoi fare qualcosa di comprensibile?

— Wayne,

Naturalmente le reti neurali utilizzate negli anni '80 / '90 sono diverse da quelle che usi oggi e sono ancora un'area di ricerca molto attiva. Inoltre, non usi mai le reti neurali quando ti preoccupi dell'interpretazione. Li usi quando ti interessa l'errore di previsione. Le reti neurali sono veloci e risolvono problemi in cui falliscono altri metodi. Sono belli perché sono semplici da una prospettiva concettuale a causa della mancanza di ipotesi sui dati che stai modellando (tranne il rumore gaussiano quando usato con l'errore al quadrato). Hanno i loro meriti e difetti.

— Bayerj,

Risposte:

Ecco una buona introduzione rapida: introduzione alle reti neurali. Si noti che R ha funzionalità di rete neurale, quindi non c'è bisogno di perdere tempo a implementare NN da soli fino a quando non gli hai dato un giro e deciso che sembra promettente per la tua applicazione.

Le reti neurali non sono obsolete, ma hanno attraversato un paio di cicli di hype, e quindi dopo aver realizzato che non fanno tutto come è stato affermato, la loro reputazione va in rovina per un po '(al momento siamo in una di quelle) . Le reti neurali sono brave in determinati compiti e generalmente sono migliori per compiti in cui un essere umano può svolgere un compito simile, ma non può spiegare esattamente come lo fa.

Le reti neurali non ti danno molte informazioni sul sistema che le stai usando per analizzare, anche dopo che sono state addestrate e funzionano bene. Cioè, possono prevedere cosa accadrà (per alcuni sistemi), ma non dirti perché. In alcuni casi, va bene. In altri, non va bene. In generale, se vuoi o soprattutto se hai già una comprensione delle regole di come funziona qualcosa, puoi usare altre tecniche.

Ma, per determinati compiti, funzionano bene.

Per le serie storiche in particolare, vedere la discussione di questa domanda: Modo corretto di utilizzare la rete neurale ricorrente per l'analisi delle serie storiche

— rossdavidh
fonte

Sebbene sia focalizzato sul riconoscimento dei modelli statistici, piuttosto che sulla previsione delle serie storiche, raccomanderei caldamente il libro Neural Networks for Pattern Recognition di Chris Bishop perché è la migliore introduzione alle reti neurali in generale, e penso che sarebbe una buona idea ottenere per far fronte alle potenziali insidie nell'uso delle reti neurali in un contesto più semplice, in cui i problemi sono più facilmente visualizzati e compresi. Passa quindi al libro sulle reti neurali ricorrenti di Mandic e Chambers . Il libro del vescovo è un classico, nessuno dovrebbe usare reti neurali per nulla fino a quando non si sentono sicuri di capire il materiale contenuto in quel libro; ANN rende fin troppo facile spararti al piede!

Inoltre, non sono d'accordo con mbq, nn non sono obsoleti, mentre molti problemi sono meglio risolti con modelli lineari o tecniche di apprendimento automatico più moderne (ad esempio metodi del kernel), ci sono alcuni problemi in cui funzionano bene e altri metodi no. È ancora uno strumento che dovrebbe essere nelle nostre cassette degli strumenti.

— Dikran Marsupial
fonte