Introdução às redes neurais para previsão

Preciso de alguns recursos para começar a usar redes neurais para previsão de séries temporais. Tenho receio de implementar algum artigo e depois descobrir que eles exageraram bastante o potencial de seus métodos. Portanto, se você tiver experiência com os métodos sugeridos, será ainda mais impressionante.

— Richard Hardy
fonte

Observe que os NNs são bastante ... obsoletos.

@jason, NN foram caracterizados como "regressão sem ética", pois não apenas se ajustam demais, mas cometem o erro de "acreditar nos dados" em vez de "desafiar os dados pela consistência do sinal"

— IrishStat

NNs não são totalmente obsoletos. Eles detêm as melhores pontuações em vários pontos de referência importantes atualmente abordados pela comunidade de ML. Além disso, eles são o melhor aproximador multifuncional de funções diferenciáveis. Confira o trabalho dos grupos de Bengio, Hinton e Lecun nos últimos 5 anos.

— precisa saber é o seguinte

Eu li o jornal Bengio & Lecun e isso muda um pouco a minha opinião, mas o que eles estão fazendo é bem diferente das redes neurais históricas. O OP quer trabalhar com séries temporais, onde existem vários métodos que podem trabalhar com séries temporais univariadas e fornecer informações úteis sobre as séries temporais (os DLMs vêm à mente). Se você tiver dados além da própria série temporal, poderá usar uma variedade de outros métodos (LMs, etc) que são diretos e também esclarecedores. Por que usar uma caixa preta com mostradores não marcados quando você pode fazer algo compreensível?

— 22411 Wayne

É claro que as redes neurais usadas nos anos 80/90 são diferentes das usadas hoje e ainda são uma área de pesquisa muito ativa. Além disso, você nunca usa redes neurais quando se preocupa com a interpretabilidade. Você os usa quando se preocupa com o erro de previsão. As redes neurais são rápidas e resolvem problemas nos quais outros métodos falham. Eles são legais porque são simples de uma perspectiva conceitual devido à falta de suposições sobre os dados que você está modelando (exceto o ruído gaussiano quando usado com o erro quadrado). Eles têm seus próprios méritos e falhas.

— bayerj

Respostas:

Aqui está uma boa introdução rápida: introdução às redes neurais. Observe que o R possui funcionalidade de rede neural; portanto, não é necessário gastar tempo implementando o NN por si próprio até você dar uma olhada e decidir que parece promissor para o seu aplicativo.

As redes neurais não são obsoletas, mas elas passaram por alguns ciclos de hype e, depois de perceberem que não fazem tudo como foi reivindicado, sua reputação entra em depressão por um tempo (atualmente estamos em uma delas) . As redes neurais são boas em determinadas tarefas e geralmente são melhores para tarefas nas quais um ser humano pode realizar uma tarefa semelhante, mas não pode explicar exatamente como o faz.

As redes neurais não fornecem muitas informações sobre o sistema que você está usando para analisar, mesmo depois de treinadas e operando bem. Ou seja, eles podem prever o que acontecerá (em alguns sistemas), mas não sabem o porquê. Em alguns casos, isso é bom. Em outros, isso não está bem. Geralmente, se você deseja, ou especialmente se já possui um entendimento das regras de como algo funciona, pode usar outras técnicas.

Mas, para certas tarefas, elas funcionam bem.

Para séries temporais em particular, consulte a discussão desta pergunta: Maneira correta de usar redes neurais recorrentes para análise de séries temporais

— rossdavidh
fonte

Embora esteja focado no reconhecimento estatístico de padrões, e não na previsão de séries temporais, eu recomendaria fortemente o livro de Chris Bishop, Neural Networks for Pattern Recognition, porque é a melhor introdução às redes neurais em geral, e acho que seria uma boa ideia lidar com as possíveis armadilhas no uso de redes neurais em um contexto mais simples, onde os problemas são mais facilmente visualizados e compreendidos. Em seguida, passe para o livro sobre redes neurais recorrentes de Mandic e Chambers . O livro do bispo é um clássico, ninguém deve usar redes neurais para nada até que se sinta confiante de que entende o material contido nesse livro; A ANN facilita demais o tiro no pé!

Também discordo de mbq, nn não são obsoletos, enquanto muitos problemas são melhor resolvidos com modelos lineares ou técnicas mais modernas de aprendizado de máquina (por exemplo, métodos de kernel), existem alguns problemas em que eles funcionam bem e outros não. Ainda é uma ferramenta que deve estar em nossas caixas de ferramentas.

— Dikran Marsupial
fonte