پیش بینی زمان شامل پیش بینی نقاط داده آینده بر اساس داده های تاریخی است.شبکه های عصبی ابزار موثر برای مدل سازی الگوهای پیچیده در چنین داده ها هستند.این مقاله یک راهنمای گام به گام برای ساخت یک شبکه عصبی برای پیش بینی زمان سری فراهم می کند.

درک داده ها

قبل از ساخت یک شبکه عصبی، ضروری است که داده ها را درک کنید.داده های سری زمان به صورت متوالی و اغلب شامل روند، فصلی بودن و نویز مناسب، مانند نرمال سازی و مدیریت مقادیر از دست رفته، عملکرد مدل را بهبود می بخشد.

آماده سازی داده ها

آماده سازی داده ها شامل تبدیل داده های خام به یک فرمت مناسب برای آموزش است، این شامل ایجاد جفت ورودی خروجی با استفاده از پنجره های کشویی است.

ساخت شبکه عصبی

شبکه های عصبی در حال حاضر (RNNs)، به ویژه شبکه های حافظه کوتاه مدت (LSTM)، انتخاب های محبوب برای پیش بینی های سری زمانی هستند.

گام های کلیدی شامل تعریف معماری شبکه، انتخاب تعداد لایه ها و نورون ها و انتخاب عملکرد مناسب از دست دادن و بهینه سازی است.

آموزش و ارزیابی

آموزش شبکه عصبی با استفاده از داده های آماده. مانیتور با داده های اعتباری برای جلوگیری از بیش از حد مناسب معیارهای مشترک شامل خطای مطلق (MAE) و Root به معنی مربع خطا (RMSE) است.

اجرای و پیش بینی

هنگامی که آموزش دیده است، مدل می تواند پیش بینی های داده های جدید را ایجاد کند.مهم است که به طور منظم مدل را با داده های جدید به روز رسانی کنید تا دقت را حفظ کنید.