Modellazione della lunghezza dell'ingorgo utilizzando una rete neuraleHo una daabase record di 760 con la lunghezza dei dati di ingorgo; quindi è sufficiente una variabile di input molto significativa come previsto nell'ora del giorno: c'è un massimo netto alle 8:00 del mattino e un massimo massimo intorno alle 16:00 del pomeriggio. È possibile che il modello sia abbastanza esattamente la lunghezza del traffico in funzione dell'ora del giorno con una funzione polinomiale del decimo ordine (nessun sovradattamento, il coefficiente della decima potenza è significativo) utilizzando la regressione dei minimi quadrati. Comunque provando a modellare con una rete neurale a un livello e diversi nodi, il maxiumum ampio a 4-5 nel pomeriggio è OK, ma al mattino un picco massimo si verifica sempre un'ora prima, cioè alle 7 del mattino; aumentando il numero di nodi da 2 anche a 10 non aiuta Dovrei usare più laires? Possibile in jmp? Quanti nodi / layer sono consigliati?
Grazie per l'aiuto, avrò presto più dati e input e mi piacerebbe allenare e costruire un modello usando una rete neurale.
Ri: Modellazione della lunghezza dell'ingorgo utilizzando una rete neuraleAnalisi delle serie temporali richiede osservazioni che sono equidistanti nel tempo. L'analisi delle serie temporali è circa previsione il futuro basato sui disturbi osservati in passato, di solito le osservazioni più recenti sono ponderate più pesantemente. Ci sono molti possibili modelli sotto le serie temporali. La prova è nella performance.
Ri: Modellazione della lunghezza dell'ingorgo utilizzando una rete neuraleCiao Marc, vorrei tornare sul mio caso di traffico che hai ben modellato usando un approccio spline. Pensi che sarebbe possibile utilizzarlo nell'analisi delle serie temporali, ad esempio utilizzare la funzione spline per modellare la tendenza temporale e i residui autoregressivi ARIMA? Successivamente questo moldel ibrido potrebbe essere inserito in una rete neurale per ottenere previsioni accurate. Si tratta di un approccio ben noto, tuttavia la media mobile è generalmente utilizzata per modellare la tendenza temporale ma mi aspetto che l'approccio spline sia migliore?
Ri: Modellazione della lunghezza dell'ingorgo utilizzando una rete neuraleSì, ma sarebbe un processo manuale.
Ri: Modellazione della lunghezza dell'ingorgo utilizzando una rete neuraleDiverse tecniche di modellazione differiscono nei dettagli ma generalmente, indipendentemente dalla loro struttura, tanto più complessa è la risposta, tanto più complesso è il modello di un dato tipo. In un certo senso, si tratta di quanti parametri sono necessari per approssimare la risposta con la varianza minima. Questo è il motivo per cui era necessario un ordine molto elevato di polinomio per il predittore lineare nel modello di regressione. Ecco perché avevo bisogno di molti nodi nel modello di rete neurale.
Probabilmente occorreranno nodi aggiuntivi o un secondo livello nascosto (che richiede JMP Pro che non si possiede) quando si introducono ulteriori predittori nel modello NN, proprio come se fosse necessario aggiungere termini al predittore lineare al modello di regressione.
Ci sono molte regole empiriche in questo mondo perché alle persone piacciono, non perché sono particolarmente buone.
" F o ogni domanda complessa c'è una risposta semplice, ed è sbagliata ". (HL Mencken)
Ri: Modellazione della lunghezza dell'ingorgo utilizzando una rete neuraleC'è un modo per effettuare la crossvalidation con la spline adattata in modo da eliminare il rischio di sovralimentazione?
Ri: Modellazione della lunghezza dell'ingorgo utilizzando una rete neuraleMarc, questo funziona bene, grazie mille per il tuo esperto avidvice. Non mi ero mai reso conto che sono necessari così tanti nodi con solo un'ora di input. Ho più potenziali variabili di input, quindi posso immaginare che saranno necessari> 8 nodi? C'è una guida di riferimento su #nodes? Ho letto un articolo che questa è la radice quadrata di #data, in questo caso 2 - 3, ovviamente sbagliato. Cordiali saluti, Frank
Ri: Modellazione della lunghezza dell'ingorgo utilizzando una rete neuraleGrazie per aver condiviso il tuo esempio. Non ho trovato alcun effetto di Giorno da solo o come parte di un'interazione con qualsiasi potenza di Ora , quindi è eliminato. Ora puoi utilizzare la piattaforma Bivariate e il Flessibile > linguetta in forma. Regola il parametro secondo necessità. Ho iniziato con il valore 1 e ho ottenuto buoni risultati:
(Puoi anche includere termini come effetti spline con Fit Model, ma è più facile esplorare la flessibilità necessaria qui.)
Puoi salvare la vestibilità e i residui facendo clic sul triangolo rosso accanto a Spianare levigatura in forma sotto il grafico a dispersione e selezionando Salva pronostici e Salva residui. Ecco la L attuale con trama a dispersione L prevista con la linea di identità aggiunta per riferimento:
Mi sembra molto buono! Qui ci sono i residui di L dal predetto L:
Allo stesso modo, questi risultati sembrano molto buoni. Puoi anche utilizzare la formula della colonna per le previsioni:
In questo modo sembra più semplice e soddisfacente rispetto ai modelli polinomiali (forme fisse) o ai modelli di rete neurale. Ho esplorato anche i modelli NN, perché sono generalmente degli ottimi approssimatori. L'NN con 8 nodi nascosti che utilizzavano la funzione di attivazione tangente iperbolica in un singolo livello sembrava minimizzare la distorsione e la varianza in modo piacevole e le previsioni concordavano bene con il modello spline:
Qual è il vantaggio del log L? Le persone hanno un'interpretazione più semplice quando la distanza è lineare.
Ri: Modellazione della lunghezza dell'ingorgo utilizzando una rete neuraleHo dimenticato di menzionare: jmp 13 è usata la versione standard (non pro).
Ri: Modellazione della lunghezza dell'ingorgo utilizzando una rete neuraleTrova allegato i dati. L'obiettivo è modellare Log (L) rispetto a ora e giorno (ci sono altri input ma non sono rilevanti qui). Il polinomio bivariato del 6 ° ordine va bene contro l'ora, tuttavia il modello neuronale fallisce al mattino ..
Ri: Modellazione della lunghezza dell'ingorgo utilizzando una rete neuraleQuale versione di JMP stai usando?
Quali opzioni e impostazioni in Neural stai usando?
Possiamo vedere i dati per ispezione e investigazione?
Ri: Modellazione della lunghezza dell'ingorgo utilizzando una rete neuraleNon capisco perché la rete neurale non possa modellare il mio caso; è usato intensamente nell'apprendimento automatico. Perché la rete neurale prevede sempre la massima durata del traffico tra un'ora e mezza? Forse dovrei usare più strati nella mia rete neurale per ottenere una previsione accurata, non lo so ..
Ri: Modellazione della lunghezza dell'ingorgo utilizzando una rete neurale vedi, quindi dimentica l'analisi di sopravvivenza. Sono sorpreso che tu abbia bisogno di un polinomio di ordine così alto da adattarsi ai dati. anche se il termine più alto è significativo, cosa mostrano l'analisi residua, la leva e l'influenza?
Sono anche sorpreso che una rete neurale con così tanti nodi non si adattava bene. Sono interpolatori molto flessibili.
Potresti considerare spline e modelli di processo gaussiani per applicazioni puramente predittive.
Ri: Modellazione della lunghezza dell'ingorgo utilizzando una rete neuraleMarc, la mia risposta è una lunghezza in km, l'input è l'ora del giorno in cui per la durata ottengo due massimi: uno alle 8:00 e uno alle 16:00 h
Ri: Modellazione della lunghezza dell'ingorgo utilizzando una rete neuraleNon ti sto scoraggiando dal modellare i dati con una rete neurale, ma dal momento che la tua risposta è data da dati di "vita" o "da tempo a evento", hai considerato l'utilizzo di un modello di affidabilità / sopravvivenza?
