Comments 11
Господи! Какая нейронная есть?
Это задача для любого ЯП поддерживающего массивы и функции
Есть всего 2 параметра для прогноза снятие точностью 98%, это:
— календарь (день недели, день месяца, выходной илинет, время года)
— факт или прогноз зачисление з/п зарплатанными организациями около данного банкомата.
Не надо бить из пушки по воробьям. Все равно ваша «сеть» для примера не учитывает выходы из строя соседених банкоматов, как своих или так и чужих.
Это задача для любого ЯП поддерживающего массивы и функции
Есть всего 2 параметра для прогноза снятие точностью 98%, это:
— календарь (день недели, день месяца, выходной илинет, время года)
— факт или прогноз зачисление з/п зарплатанными организациями около данного банкомата.
Не надо бить из пушки по воробьям. Все равно ваша «сеть» для примера не учитывает выходы из строя соседених банкоматов, как своих или так и чужих.
Знал с университета, что нейронные сети используются для прогноза энергопотребления. Решив, что есть определённое сходство в прогнозе потребления электричества и прогнозе снятия денег в банкоматах, решил тоже попробовать использовать нейронные сети.
Наверное, можно было вывести функцию, которая успешно давала бы прогноз на основе календаря и факта з/п для одного конкретного банкомата. Но обобщить одной функцией прогноз для банкоматов, стоящих, например, в офисных и торговых центрах, на вокзалах и где-нибудь в больницах (динамика снятия наличных в разных местах могут сильно отличаться), думаю, было бы не просто.
Наверное, можно было вывести функцию, которая успешно давала бы прогноз на основе календаря и факта з/п для одного конкретного банкомата. Но обобщить одной функцией прогноз для банкоматов, стоящих, например, в офисных и торговых центрах, на вокзалах и где-нибудь в больницах (динамика снятия наличных в разных местах могут сильно отличаться), думаю, было бы не просто.
И какая это нейросеть? Её выкинуть надо и построить байесовскую функцию. Не пробуйте из нейронов собирать интересную себе функцию, это неудобные кубики.
банкам интересно знать будущее — сколько наличности будет снято
Они и так знают. Такие ситуации случаются из-за так называемого «случайного наплыва клиентов».
простейшая регрессия на 2 фактора — день месяца и день недели, будет точнее, понятнее и логичнее в использовании.
Проверил на примере из статьи, все отлично, прогнозируется.
Проверил на примере из статьи, все отлично, прогнозируется.
Микроскопом гвозди забивать. Специально для решения таких задач придуманы авторегрессионные модели (AR, ARMA, ARIMA).
Sign up to leave a comment.
Прогноз снятия наличных в банкомате при помощи простой нейронной сети