神经网络预测入门

我需要一些资源来开始使用神经网络进行时间序列预测。我很警惕地执行一些论文，然后发现他们已经大大夸大了他们方法的潜力。因此，如果您有使用这些方法的经验，那么建议它会更加出色。

快速入门： 神经网络简介。 请注意，R具有神经网络功能，因此无需花费任何时间自己实现NN，直到您对其进行了旋转并确定它对您的应用程序看起来很有希望。

神经网络并不是过时的，但是它们经历了几次炒作，然后意识到它们并没有像声称的那样做所有事情，它们的声誉一度陷入低谷（我们目前处于其中一个） 。神经网络擅长某些任务，通常更适合人类可以完成类似任务但无法确切解释其工作方式的任务。

即使经过训练并运行良好，神经网络也无法使您深入了解正在使用它们进行分析的系统。也就是说，他们可以预测（对于某些系统）会发生什么，但不能告诉您原因。在某些情况下，这很好。在其他情况下，那不是很好。通常，如果您希望或者特别是如果您已经了解某种事物的工作原理，则可以使用其他技术。

但是，对于某些任务，它们运行良好。

特别是对于时间序列，请参阅以下问题的讨论： 使用递归神经网络进行时间序列分析的正确方法

尽管它着重于统计模式识别，而不是时间序列预测，但我强烈建议克里斯·毕晓普（Chris Bishop）的书《神经网络用于模式识别》，因为它是一般意义上对神经网络的最佳介绍，我认为这是个好主意。在更简单的情况下解决使用神经网络的潜在陷阱，在这些情况下更容易将问题可视化并理解。然后转到Mandic和Chambers撰写的关于递归神经网络的书。主教的书是一本经典的书，在确信自己了解该书所包含的内容之前，任何人都不应使用神经网络。ANN让拍摄自己的脚太容易了！

我也不同意mbq，nn并不是过时的，虽然使用线性模型或更现代的机器学习技术（例如内核方法）可以更好地解决许多问题，但是有些问题在它们运作良好而其他方法却无法解决。它仍然是应该在我们工具箱中的工具。