首页 文章

使用递归神经网络解决时间序列任务

提问于
浏览 次
0

我有下一个要解决的问题：预测第二天/周的“工作需求” . 我有去年的样本（377个样本，每天1个） . 我的变量是相关的信息（或至少我认为它是相关的）：日，周，月，假日，天气条件（温度，下雨，下雪），订阅量（13个变量）我从一开始就提取了所有样本的需求直到今天我得到了：

enter image description here

如果我在一周（星期一，星期二，......）分割这个需求，我得到：
enter image description here

enter image description here

enter image description here

enter image description here

enter image description here

enter image description here

enter image description here

我认为这是一个“时间序列”问题所以我试图用神经网络解决它，特别是使用递归神经网络 . 我的问题是下一个：

1）这真的是一个“时间序列”问题吗？

2）用NN解决这个问题是不是很好？哪种类型？ RNN？

3）如果RNN是最好的，我应该考虑另一个可能是常见的变量而我不考虑它吗？

4）如果神经网络不是最好的方法，哪一个是？

5）我应该尝试培训7个不同的网络（一周中每天一个），还是应该尝试培训1个“大”网络？

6）保留异常值是否可以，或者我应该删除它？ （假期出现在外面）

machine-learning neural-network deep-learning time-series recurrent-neural-network

2 回答

  • 1

    1）这真的是一个“时间序列”问题吗？

    通过definition，时间序列是按时间顺序索引的一系列数据点 . 你的问题很完美 . 所以，是的，这是一个时间序列问题 .

    2）用NN解决这个问题是不是很好？哪种类型？ RNN？

    RNN肯定是这个问题的候选者：RNN擅长捕获系列数据中的类似模式，例如，从语料库中的大量句子学习语言规则 . 您的第一个图表清楚地表明在连续时间步长点之间存在依赖关系 .

    3）如果RNN是最好的，我应该考虑另一个可能很常见的变量，我不考虑它吗？

    这个问题没有普遍的答案 . 深度网络可以从输入的网络中学习新功能（它被称为feature extraction），但也可能无法实现，并且您必须准备它们 .

    4）如果神经网络不是最好的方法，哪一个是？

    再一次，这个问题太宽泛了 . 没有一种最好的方法 . 那么's why I'小心这里的配方：RNN是一个很好的候选人，换句话说，我看不出任何立即尝试的问题 .

    有关于时间序列分析的书籍，统计库包括自动回归，自相关，季节性等 . 讨论那些完全超出StackOverflow的范围 . 如果您建议您在CrossValidated询问 .

    5）我应该尝试训练7个不同的网络（一周中每天一个），还是应该尝试训练1个“大”网络？

    如果不同日期之间的分布明显多样化，您可以这样做 . 坦率地说，我在上面的图表中没有注意到，但是需要调查原始数据来回答这个问题 .

    6）是否可以保留异常值或者我应该删除它？ （假期出现在外面）

    一般来说，神经网络不善于预测异常值，因为这里没有模式 . 但是你的第一张图表并没有显示出明显的异常值，所以这是一个与它合作的论据，而不是每个工作日的图表 .

    回复于
  • 0

    • 不能说 . 似乎是 . 2,4是的，RNN用于时间序列预测 .

    • 不确定按日拆分 . 但可能你有理由这样做 .

    • 我想，培训7个不同的网络要比一个网络困难得多 .

    • 删除它们并替换为最近点的verage . 在RNN工作的所有任务都很难解决异常问题 . 因为缩放（但是如果你不删除它们，可能会有帮助，但RobustScaler可能会有所帮助） .

    回复于

相关问题