使用神經網絡建模交通堵塞的長度我有一個760記錄daabase與堵塞數據的長度;因此，有一個非常重要的輸入變量，如預期的那樣：一天中的小時：早上8:00有一個尖銳的最大值，下午16:00左右有一個廣泛的最大值。通過使用最小二乘回歸，模型可以非常準確地將交通擁堵長度作為日時的函數，具有10階多項式函數（沒有過度擬合，10次冪的共同作用是顯著的）。然而，嘗試使用單層神經網絡和幾個節點進行建模時，在afernoon中4到5的廣泛最大值是可以的，但是在早晨，一個尖銳的最大值總是在一個小時過早發生，即在早上7點;將節點數從2增加到 10沒有幫助。我應該使用更多的表格嗎？可能在jmp？建議使用多少個節點/層？
感謝您的幫助，我將很快獲得更多數據和輸入，我想使用神經網絡訓練和構建模型。
Re：使用神經網絡模擬交通堵塞的長度時間序列分析要求觀察間隔時間相等。時間序列分析是關於預測基於過去觀察到的干擾的未來，通常最近的觀察結果的權重更大。時間序列下有許多可能的模型。證據在於表現。
Re：使用神經網絡模擬交通堵塞的長度嗨Marc，我想回到我的交通案例，你很好地使用樣條方法建模。您是否認為可以在時間序列分析中使用它，即使用樣條函數來模擬時間趨勢和ARIMA自回歸殘差？接下來，這個混合模型可以進入神經網絡以獲得準確的預測。這是一個眾所周知的方法，但移動平均通常用於模擬時間趨勢，但我希望樣條方法更好？
Re：使用神經網絡模擬交通堵塞的長度是的，但這將是一個手動過程。
Re：使用神經網絡模擬交通堵塞的長度不同的建模技術的細節不同，但一般而言，無論其結構如何，響應越複雜，模型越複雜，任何給定類型。在某種程度上，需要多少參數才能以最小的方差近似響應。這就是為什麼在回歸模型中需要非常高階的多項式用於線性預測器。這就是我在神經網絡模型中需要很多節點的原因。
當您向NN模型引入其他預測變量時，您可能需要額外的節點或第二個隱藏層（這需要您沒有的JMP Pro），就像您需要將術語添加到回歸模型的線性預測器一樣。
在這個世界上有許多經驗法則，因為人們喜歡它們，而不是因為它們特別好。
“ F 或者每個複雜的問題都有一個簡單的答案，這是錯誤的 “。 （HL Mencken）
Re：使用神經網絡模擬交通堵塞的長度我有一種方法可以使用樣條擬合進行交叉驗證，從而避免過度擬合的風險嗎？
Re：使用神經網絡模擬交通堵塞的長度Marc，這很好，非常感謝您的專業服務。我從來沒有意識到需要這麼多節點，只需要一小時作為輸入。我有更多潛在的輸入變量，所以我可以想像>將需要> 8個節點？關於#nodes有沒有指導方針？我讀了一篇文章，這是#data的平方根，在這種情況下是2 - 3，顯然是錯誤的。親切的問候，弗蘭克
Re：使用神經網絡模擬交通堵塞的長度感謝您分享您的示例。我沒有發現任何影響天 ，單獨或作為與任何力量的互動的一部分小時 ，所以它被淘汰了。您現在可以使用Bivariate平台和靈活 > 仿樣適合。根據需要調整參數。我從值1開始，得到了很好的結果：
（您還可以使用擬合模型將術語包含為樣條效果，但在此處更容易探索所需的靈活性。）
您可以通過單擊散點圖下的“平滑樣條擬合”旁邊的紅色三角形並選擇“保存預測並保存殘差”來保存擬合和殘差。這是實際L的預測L散點圖，其中添加了標識線以供參考：
看起來對我很好！以下是預測L的L殘差：
同樣，這些結果看起來非常好。您也可以使用列公式進行預測：
這種方式似乎比多項式模型（固定形狀）或神經網絡模型更直接和令人滿意。我也探索了NN模型，因為它們通常都是出色的近似模型。具有8個隱藏節點的NN在單層中使用雙曲正切激活函數似乎可以很好地最小化偏差和方差，並且預測與樣條模型很好地吻合：
log L的優點是什麼？當距離是線性時，人們可以更容易地解釋
Re：使用神經網絡模擬交通堵塞的長度我忘了提到：使用了jmp 13標準版（不是專業版）。
Re：使用神經網絡模擬交通堵塞的長度查找附加數據。目標是模擬Log（L）與小時和天（有其他輸入，但它們在這裡不相關）。雙變量6階多項式擬合比小時好，但神經模型在早上失敗了..
Re：使用神經網絡模擬交通堵塞的長度您使用的是什麼版本的JMP？
您使用的是Neural中的哪些選項和設置？
我們可以看一下檢查和調查的數據嗎？
Re：使用神經網絡模擬交通堵塞的長度我不明白為什麼神經網絡無法模仿我的情況;它被廣泛用於機器學習。為什麼神經網絡始終預測到凌晨一小時的最大交通擁堵長度？也許我應該在我的神經網絡中使用更多層來準確預測，我不知道..
Re：使用神經網絡模擬交通堵塞的長度 看，然後忘記生存分析。我很驚訝你需要這樣一個高階多項式來擬合數據。即使最高階項是重要的，剩餘分析，槓桿和影響會顯示什麼？
我也很驚訝，有許多節點的神經網絡也不適合。它們是非常靈活的插值器。
對於純預測應用程序，您可能會考慮樣條曲線和高斯過程模型。
Re：使用神經網絡模擬交通堵塞的長度Marc，我的響應長度以km為單位，輸入是一天的小時，長度我得到兩個最大值：一個在上午8:00，一個在16:00 h
Re：使用神經網絡模擬交通堵塞的長度我並不勸你用神經網絡對數據進行建模，但由於您的響應是“生命”或“事件發生時間”數據，您是否考慮過使用可靠性/生存模型？
