使用神经网络建模交通堵塞的长度我有一个760记录daabase与堵塞数据的长度;因此，有一个非常重要的输入变量，如预期的那样：一天中的小时：早上8:00有一个尖锐的最大值，下午16:00左右有一个广泛的最大值。通过使用最小二乘回归，模型可以非常准确地将交通拥堵长度作为日时的函数，具有10阶多项式函数（没有过度拟合，10次幂的共同作用是显着的）。然而，尝试使用单层神经网络和几个节点进行建模时，在afernoon中4到5的广泛最大值是可以的，但是在早晨，一个尖锐的最大值总是在一个小时过早发生，即在早上7点;将节点数从2增加到 10没有帮助。我应该使用更多的表格吗？可能在jmp？建议使用多少个节点/层？
感谢您的帮助，我将很快获得更多数据和输入，我想使用神经网络训练和构建模型。
Re：使用神经网络模拟交通堵塞的长度时间序列分析要求观察间隔时间相等。时间序列分析是关于预测基于过去观察到的干扰的未来，通常最近的观察结果的权重更大。时间序列下有许多可能的模型。证据在于表现。
Re：使用神经网络模拟交通堵塞的长度嗨Marc，我想回到我的交通案例，你很好地使用样条方法建模。您是否认为可以在时间序列分析中使用它，即使用样条函数来模拟时间趋势和ARIMA自回归残差？接下来，这个混合模型可以进入神经网络以获得准确的预测。这是一个众所周知的方法，但移动平均通常用于模拟时间趋势，但我希望样条方法更好？
Re：使用神经网络模拟交通堵塞的长度是的，但这将是一个手动过程。
Re：使用神经网络模拟交通堵塞的长度不同的建模技术的细节不同，但一般而言，无论其结构如何，响应越复杂，模型越复杂，任何给定类型。在某种程度上，需要多少参数才能以最小的方差近似响应。这就是为什么在回归模型中需要非常高阶的多项式用于线性预测器。这就是我在神经网络模型中需要很多节点的原因。
当您向NN模型引入其他预测变量时，您可能需要额外的节点或第二个隐藏层（这需要您没有的JMP Pro），就像您需要将术语添加到回归模型的线性预测器一样。
在这个世界上有许多经验法则，因为人们喜欢它们，而不是因为它们特别好。
“ F 或者每个复杂的问题都有一个简单的答案，这是错误的 “。 （HL Mencken）
Re：使用神经网络模拟交通堵塞的长度我有一种方法可以使用样条拟合进行交叉验证，从而避免过度拟合的风险吗？
Re：使用神经网络模拟交通堵塞的长度Marc，这很好，非常感谢您的专业服务。我从来没有意识到需要这么多节点，只需要一小时作为输入。我有更多潜在的输入变量，所以我可以想象>将需要> 8个节点？关于#nodes有没有指导方针？我读了一篇文章，这是#data的平方根，在这种情况下是2 - 3，显然是错误的。亲切的问候，弗兰克
Re：使用神经网络模拟交通堵塞的长度感谢您分享您的示例。我没有发现任何影响天 ，单独或作为与任何力量的互动的一部分小时 ，所以它被淘汰了。您现在可以使用Bivariate平台和灵活 > 仿样适合。根据需要调整参数。我从值1开始，得到了很好的结果：
（您还可以使用拟合模型将术语包含为样条效果，但在此处更容易探索所需的灵活性。）
您可以通过单击散点图下的“平滑样条拟合”旁边的红色三角形并选择“保存预测并保存残差”来保存拟合和残差。这是实际L的预测L散点图，其中添加了标识线以供参考：
看起来对我很好！以下是预测L的L残差：
同样，这些结果看起来非常好。您也可以使用列公式进行预测：
这种方式似乎比多项式模型（固定形状）或神经网络模型更直接和令人满意。我也探索了NN模型，因为它们通常都是出色的近似模型。具有8个隐藏节点的NN在单层中使用双曲正切激活函数似乎可以很好地最小化偏差和方差，并且预测与样条模型很好地吻合：
log L的优点是什么？当距离是线性时，人们可以更容易地解释
Re：使用神经网络模拟交通堵塞的长度我忘了提到：使用了jmp 13标准版（不是专业版）。
Re：使用神经网络模拟交通堵塞的长度查找附加数据。目标是模拟Log（L）与小时和天（有其他输入，但它们在这里不相关）。双变量6阶多项式拟合比小时好，但神经模型在早上失败了..
Re：使用神经网络模拟交通堵塞的长度您使用的是什么版本的JMP？
您使用的是Neural中的哪些选项和设置？
我们可以看一下检查和调查的数据吗？
Re：使用神经网络模拟交通堵塞的长度我不明白为什么神经网络无法模仿我的情况;它被广泛用于机器学习。为什么神经网络始终预测到凌晨一小时的最大交通拥堵长度？也许我应该在我的神经网络中使用更多层来准确预测，我不知道..
Re：使用神经网络模拟交通堵塞的长度 看，然后忘记生存分析。我很惊讶你需要这样一个高阶多项式来拟合数据。即使最高阶项是重要的，剩余分析，杠杆和影响会显示什么？
我也很惊讶，有许多节点的神经网络也不适合。它们是非常灵活的插值器。
对于纯预测应用程序，您可能会考虑样条曲线和高斯过程模型。
Re：使用神经网络模拟交通堵塞的长度Marc，我的响应长度以km为单位，输入是一天的小时，长度我得到两个最大值：一个在上午8:00，一个在16:00 h
Re：使用神经网络模拟交通堵塞的长度我并不劝你用神经网络对数据进行建模，但由于您的响应是“生命”或“事件发生时间”数据，您是否考虑过使用可靠性/生存模型？
