จะใช้เครือข่ายประสาทกับการพยากรณ์อนุกรมเวลาได้อย่างไร

ฉันยังใหม่กับการเรียนรู้ของเครื่องและฉันพยายามหาวิธีใช้เครือข่ายประสาทเทียมกับการพยากรณ์อนุกรมเวลา ฉันพบทรัพยากรที่เกี่ยวข้องกับข้อความค้นหาของฉัน แต่ดูเหมือนว่าจะหายไปเล็กน้อย ฉันคิดว่าคำอธิบายพื้นฐานที่ไม่มีรายละเอียดมากเกินไปจะช่วยได้

สมมติว่าฉันมีค่าราคาสำหรับแต่ละเดือนในช่วงสองสามปีที่ผ่านมาและฉันต้องการทำนายราคาใหม่ ฉันสามารถรับรายการราคาในช่วงสองสามเดือนที่ผ่านมาและลองหาแนวโน้มที่คล้ายกันในอดีตโดยใช้ K-ใกล้เคียงที่สุด - เพื่อนบ้าน ฉันสามารถใช้อัตราการเปลี่ยนแปลงหรือคุณสมบัติอื่น ๆ ของแนวโน้มในอดีตเพื่อลองและคาดการณ์ราคาใหม่ ฉันจะใช้เครือข่ายประสาทเทียมกับปัญหาเดียวกันนี้ได้อย่างไรคือสิ่งที่ฉันพยายามค้นหา

นี่คือสูตรง่ายๆที่อาจช่วยให้คุณเริ่มเขียนโค้ดและทดสอบแนวคิด ...

สมมติว่าคุณมีข้อมูลรายเดือนที่บันทึกไว้เป็นเวลาหลายปีดังนั้นคุณจึงมี 36 ค่า สมมติว่าคุณใส่ใจการทำนายล่วงหน้า (ค่า) หนึ่งเดือนเท่านั้น

1. การวิเคราะห์ข้อมูลเชิงสำรวจ: ใช้วิธีการวิเคราะห์อนุกรมเวลาแบบดั้งเดิมบางอย่างเพื่อประเมินการพึ่งพาความล่าช้าในข้อมูล (เช่นความสัมพันธ์แบบอัตโนมัติและการแปลงความสัมพันธ์แบบอัตโนมัติบางส่วน สมมติว่าคุณพบว่าค่าของเดือนที่กำหนดนั้นมีความสัมพันธ์กับข้อมูลของสามเดือนที่ผ่านมา แต่ไม่มากไปกว่านั้น
2. แบ่งพาร์ติชันข้อมูลของคุณออกเป็นชุดการฝึกอบรมและการตรวจสอบ: ใช้ 24 คะแนนแรกเป็นค่าการฝึกอบรมและคะแนนที่เหลือเป็นชุดการตรวจสอบ
3. สร้างโครงร่างโครงข่ายประสาท: คุณจะรับค่าของสามเดือนที่ผ่านมาเป็นอินพุตและคุณต้องการทำนายค่าของเดือนถัดไป ดังนั้นคุณต้องใช้โครงข่ายประสาทเทียมที่มีชั้นอินพุตที่มีสามโหนดและชั้นผลลัพธ์ที่มีหนึ่งโหนด คุณควรมีเลเยอร์ที่ซ่อนอยู่ซึ่งมีอย่างน้อยสองโหนด น่าเสียดายที่การเลือกจำนวนเลเยอร์ที่ซ่อนอยู่และจำนวนโหนดตามลำดับไม่ใช่สิ่งที่มีแนวทางที่ชัดเจน ฉันจะเริ่มต้นเล็ก ๆ เช่น 3: 2: 1
4. $$x_1,x_2\dots,x_{24}$$ $$pattern 1: x_1,x_2,x_3,x_4$$ $$pattern 2: x_2,x_3,x_4,x_5$$ $$\dots$$ $$pattern 21: x_{21},x_{22},x_{23},x_{24}$$
5. ฝึกเครือข่ายประสาทเทียมในรูปแบบเหล่านี้
6. ทดสอบเครือข่ายในชุดการตรวจสอบความถูกต้อง (เดือน 25-36): ที่นี่คุณจะผ่านค่าสามค่าที่โครงข่ายประสาทต้องการสำหรับเลเยอร์อินพุตและดูว่าโหนดเอาต์พุตได้รับการตั้งค่าเป็นอย่างไร ดังนั้นเพื่อดูว่าโครงข่ายประสาทเทียมที่ผ่านการฝึกอบรมสามารถทำนายมูลค่าของเดือนที่ 32 ได้ดีเพียงใดคุณจะผ่านค่าในเดือน 29, 30 และ 31

สูตรนี้อยู่ในระดับสูงและคุณอาจเกาหัวในตอนแรกเมื่อพยายามแมปบริบทของคุณลงในไลบรารี / โปรแกรมซอฟต์แวร์ที่แตกต่างกัน แต่หวังว่าภาพร่างนี้จะเป็นประเด็นหลัก: คุณต้องสร้างรูปแบบการฝึกอบรมที่มีโครงสร้างความสัมพันธ์ของซีรีส์ที่คุณพยายามคาดการณ์ และไม่ว่าคุณจะทำการพยากรณ์ด้วยโครงข่ายประสาทเทียมหรือแบบจำลอง ARIMA งานสำรวจเพื่อตรวจสอบว่าโครงสร้างนั้นมักจะใช้เวลาและส่วนที่ยากที่สุด

จากประสบการณ์ของฉันเครือข่ายประสาทเทียมสามารถให้การจำแนกและการคาดการณ์ที่ดี แต่การตั้งค่าเหล่านั้นอาจใช้เวลานาน ในตัวอย่างข้างต้นคุณอาจพบว่ารูปแบบการฝึกอบรม 21 แบบนั้นไม่เพียงพอ การแปลงข้อมูลอินพุตที่แตกต่างกันนำไปสู่การคาดการณ์ที่ดีขึ้น / แย่ลง; การเปลี่ยนแปลงจำนวนเลเยอร์ที่ซ่อนอยู่และโหนดเลเยอร์ที่ซ่อนจะมีผลต่อการพยากรณ์อย่างมาก เป็นต้น

ฉันขอแนะนำให้ดูที่เว็บไซต์neural_forecastingซึ่งมีข้อมูลมากมายเกี่ยวกับการแข่งขันการพยากรณ์เครือข่ายประสาท แรงจูงใจหน้าเป็นประโยชน์อย่างยิ่ง