способ задания сезоного фактора

yah29 сентября 2003Data Mining4 комментария

...э-э-э, есть идея, возможно бредовая.

рассматривается стандартная задача прогноза продаж. есть история собссно продаж за 7 лет, есть история наличия на складе за то же время, есть даже вчерне решенная задача кластеризации ассортимента. естественно предположить, что учебный массив надо строить как-то так:

в качестве выходов - продажи после "точки актуальности примера -ТАП"
в качестве входов - продажи за период предшествующий ТАП и
продажи ТАП минус год, для собственно наименования, и для усредненного по родному кластеру аналога, а так же информация о том какой сезон на дворе. :)
время у меня - ясное дело - дискретно, в качестве элементарнго интервала взята условная неделя - 1234 четвертинка месяца, таким образом год - это 48 моментов.

у такого подхода есть и плюсы и минусы, обсуждать их не очень хочется, а хочется понять, как можно подавать информацию о сезоне.

в-т первый - номер недели отвергается по понятным причинам,
второй - 48 входов - индикаторов недели - тоже:))))
третий - 12 категорийных входов -для номера месяца и 4 - для номера недели веутри месяца - уже ближе, хотя и все равно многовато входов.
мне тут когда то предлагали такой вариант: 48 <64 - значит должно хватить 6 "0-1" входов, чтобы различать 48 недель...

что мне не нравится в этих в-тах: либо черезчур много входов, либо - в последнем случае мы заранее дезинформируем сеть насчет "похожести" условных недель: ведь 000011 и 010011 это в естественном порядке 4-я "неделя" января, и 4-я неделя мая - в нашей предметной области, мжду ними ну очень мало общего...
а решать задачу построения таких масок, чтобы для похожих недель они были похожи - ну не знаю, мне кажется, она так просто и не решается...

вот здесь и подумалось, что сезонные факторы действуют периодически с очевидными циклами - в год и в месяц, а как я припоминаю из тфдп, всякую периодическую гладкую ф-цию можно представить в виде суперпозиции
t |->(cos(t),sin(t)) и f:(x,y) |-> z - гладкой же ф-ции, а про персептроны ухитрились таки доказать теорему, что они всюду плотны в гладких ф-циях.
значит если сезонный фактор подавать в учебные примеры ВСЕГО двумя входами sin(2*pi*n/48) и cos( того же самого) где "n" - номер недели, то в предположении, что
1. сезонный фактор действует периодически и
2. соседние по времени недели близки и с т зрения влияния на ситуацию,
нейросеть сможет вытянуть эту скрытую зависимость
... покритикуйте идею плз. она в общем на поверхности лежит, наверняка кто-нить так пробовал работать