用于预测时间序列数据趋势的深度神经网络分析
机器学习
2020-12-08 v2 机器学习
摘要
最近，一种混合深度神经网络算法 TreNet 被提出用于预测时间序列数据中的趋势。虽然 TreNet 在趋势预测方面表现出优于其他 DNN 和传统机器学习方法的性能，但其使用的验证方法没有考虑时间序列数据集的序列性质，也没有处理模型更新问题。在本研究中，我们使用步进式验证方法在相同数据集上复现了 TreNet 实验，并通过多次独立运行测试了我们的最优模型以评估模型稳定性。我们在四个数据集上将混合 TreNet 算法的性能与接收点数据的普通 DNN 算法以及传统机器学习算法进行了比较。我们发现，总体上 TreNet 仍然优于普通 DNN 模型，但并非如原始 TreNet 研究所报告的那样在所有数据集上都表现更好。本研究强调了使用适当的验证方法和评估模型稳定性对于评估和开发用于时间序列数据趋势预测的机器学习模型的重要性。
引用
@article{arxiv.2009.07943,
title = {An analysis of deep neural networks for predicting trends in time series data},
author = {Kouame Hermann Kouassi and Deshendran Moodley},
journal= {arXiv preprint arXiv:2009.07943},
year = {2020}
}