Modelando la longitud del atasco de tráfico usando una red neuronalTengo una base de datos de 760 registros con la longitud de los datos de atasco de tráfico; tan fatr hay una variable de entrada muy significativa como se esperaba la hora del día: hay un máximo agudo a las 8:00 horas de la mañana y un máximo general alrededor de las 16:00 de la tarde. Es posible que el modelo con bastante precisión la longitud del atasco de tráfico en función de la hora del día con una función polinómica de décimo orden (sin sobreacuerdo, el coeficiente de la décima potencia es significativo) usando la regresión de mínimos cuadrados. Sin embargo, al intentar modelar con una red neuronal de una capa y varios nodos, el ancho máximo de 4 a 5 en el mediodía está bien, pero en la mañana siempre se produce un máximo máximo una hora demasiado temprano, es decir, a las 7 de la mañana. aumentando el número de nodos desde 2 hasta 10 no ayuda. ¿Debo usar más lares? Posible en jmp? ¿Cuántos nodos / capa se recomiendan?
Gracias por la ayuda, pronto recibiré más datos y entradas y me gustaría entrenar y construir un modelo utilizando una red neuronal.
Re: Modelando la longitud del atasco de tráfico usando una red neuronalAnálisis de series temporales requiere Observaciones que están igualmente espaciadas en el tiempo. El análisis de series de tiempo se trata de prediciendo El futuro, basado en las perturbaciones observadas en el pasado, generalmente las observaciones más recientes tienen un peso mayor. Hay muchos modelos posibles en series de tiempo. La prueba está en el rendimiento.
Re: Modelando la longitud del atasco de tráfico usando una red neuronalHola Marc, me gustaría volver a mi caso de tráfico que has modelado bien usando un enfoque de spline. ¿Crees que sería posible usar esto en el análisis de series de tiempo, es decir, usar la función de spline para modelar la tendencia de tiempo y los residuos autorregresivos ARIMA? Luego, este molde híbrido podría ingresarse en una red neuronal para obtener predicciones precisas. Este es un enfoque bien conocido. Sin embargo, el promedio móvil generalmente se usa para modelar la tendencia temporal, pero ¿espero que el enfoque de spline sea mejor?
Re: Modelando la longitud del atasco de tráfico usando una red neuronalSí, pero sería un proceso manual.
Re: Modelando la longitud del atasco de tráfico usando una red neuronalLas diferentes técnicas de modelado difieren en sus detalles, pero en general, independientemente de su estructura, cuanto más compleja sea la respuesta, más complejo será el modelo, de cualquier tipo dado. En cierto modo, es una cuestión de cuántos parámetros se requieren para aproximar la respuesta con la varianza mínima. Es por eso que necesitabas un orden polinómico muy alto para el predictor lineal en el modelo de regresión. Es por eso que necesitaba muchos nodos en el modelo de red neuronal.
Es probable que necesites nodos adicionales o una segunda capa oculta (que requiere JMP Pro que no tienes) cuando introduzcas predictores adicionales en el modelo NN, al igual que necesitarías agregar términos al predictor lineal al modelo de regresión.
Hay muchas reglas de oro en este mundo porque a la gente le gustan, no porque sean particularmente buenas.
" F O en cada pregunta compleja hay una respuesta simple, y está mal. . " (HL Mencken)
Re: Modelando la longitud del atasco de tráfico usando una red neuronal¿Existe alguna forma de realizar la validación cruzada con el ajuste de spline para que se elimine el riesgo de sobrealimentación?
Re: Modelando la longitud del atasco de tráfico usando una red neuronalMarc, esto funciona bien, muchas gracias por tu experto avidvice. Nunca me había dado cuenta de que se requieren tantos nodos con solo una hora como entrada. Tengo más variables de entrada potenciales, así que puedo imaginar que se necesitarán> 8 nodos. ¿Hay alguna guía sobre los nodos? Leí un artículo que dice que esta es la raíz cuadrada de #data, en este caso 2 - 3, obviamente mal. Saludos cordiales, Frank
Re: Modelando la longitud del atasco de tráfico usando una red neuronalGracias por compartir tu ejemplo. No encontré ningún efecto de Día , solo o como parte de una interacción con cualquier poder de Hora , por lo que se elimina. Ahora puede utilizar la plataforma Bivariate y el Flexible > Ranura ajuste. Ajuste el parámetro según sea necesario. Comencé con un valor de 1 y obtuve buenos resultados:
(También puede incluir términos como efectos de spline con Fit Model, pero aquí es más fácil explorar la flexibilidad necesaria).
Puede guardar el ajuste y los residuos haciendo clic en el triángulo rojo al lado de Suavizar ajuste de spline en el diagrama de dispersión y seleccionando Guardar predicciones y Guardar residuos. Aquí está la L real por el diagrama de dispersión L predicha con la línea de identidad agregada como referencia:
Me queda muy bien! Aquí están los residuos de L predichos por L:
Asimismo, estos resultados se ven muy bien. También puede utilizar la fórmula de columna para las predicciones:
De esta manera, parece más sencillo y satisfactorio que los modelos polinomiales (formas fijas) o los modelos de redes neuronales. También exploré los modelos NN, porque generalmente son excelentes aproximadores. La NN con 8 nodos ocultos que utilizan la función de activación de tangente hiperbólica en una sola capa pareció minimizar el sesgo y la varianza, y las predicciones concuerdan con el modelo spline:
¿Cuál es la ventaja de log L? La gente tiene una interpretación más fácil cuando la distancia es lineal.
Re: Modelando la longitud del atasco de tráfico usando una red neuronalOlvidé mencionar: se usa la versión estándar jmp 13 (no pro).
Re: Modelando la longitud del atasco de tráfico usando una red neuronalEncuentra adjuntos los datos. El objetivo es modelar el registro (L) en función de la hora y el día (hay otras entradas, pero no son relevantes aquí). El ajuste polinómico bivariado de sexto orden funciona bien en función de la hora, sin embargo, el modelo neuronal falla por la mañana.
Re: Modelando la longitud del atasco de tráfico usando una red neuronal¿Qué versión de JMP estás usando?
¿Qué opciones y configuraciones en Neural estás usando?
¿Podemos ver los datos para inspección e investigación?
Re: Modelando la longitud del atasco de tráfico usando una red neuronalNo entiendo por qué la red neuronal no puede modelar mi caso; Se utiliza intensivamente en el aprendizaje automático. ¿Por qué la red neuronal siempre predice la duración máxima del atasco de una hora hasta temprano en la mañana? Tal vez debería usar más capas en mi red neuronal para obtener una predicción precisa, no sé ...
Re: Modelando la longitud del atasco de tráfico usando una red neuronal Mira, luego olvida el análisis de supervivencia. Me sorprende que necesite un polinomio de orden tan alto para ajustar los datos. incluso si el término de orden más alto es significativo, ¿qué muestran el análisis residual, el apalancamiento y la influencia?
También me sorprende que una red neuronal con tantos nodos no encajara tan bien. Son interpoladores muy flexibles.
Podría considerar splines y modelos de proceso gaussianos para aplicaciones puramente predictivas.
Re: Modelando la longitud del atasco de tráfico usando una red neuronalMarc, mi respuesta es una longitud en km, la entrada es la hora del día donde, para la longitud, obtengo dos máximos: uno a las 8:00 am y uno a las 16:00 h
Re: Modelando la longitud del atasco de tráfico usando una red neuronalNo le desanimo a que modele los datos con una red neuronal, pero dado que su respuesta es información de "vida útil" o "tiempo hasta evento", ¿ha considerado usar un modelo de confiabilidad / supervivencia?
