[pyar] Consulta: Redes Neuronales For Dummies?

[Kiko]

BTW, existe una lista en español para resolver problemas de ciencia usando
Python donde quizá haya más gente que te pueda ayudar con tu problema
concreto:
https://groups.google.com/forum/?hl=es#!forum/scipydata-es

Saludos.

El 24 de febrero de 2015, 8:31, Kiko <kikocorreoso en gmail.com> escribió:

>
>
> El 23 de febrero de 2015, 23:44, Jairo Trad <frodobolsonxx en gmail.com>
> escribió:
>
>> Gracias por las respuestas! No puse el problema porque pense que estaba
>> de mas :P Es una regresión, supervisada.
>>
>> La cosa es asi:
>>
>> Tengo que estimar radiación solar usando otros datos climáticos,
>> actualmente tengo un modelo conocido (que es una regresión lineal) que toma
>> temperatura mínima y máxima y devuelve radiación. La cuestión es que este
>> modelo trae un error promedio del 17% que tiene picos de hasta un 70% en
>> los días en los que llueve y hace calor.
>>
>> Por otro lado, tengo dos datos que son relevantes a la Radiación solar,
>> la humedad, minima y maxima, y un dato complicado que es la nubosidad, que
>> lo tengo como un dato discreto, osea se si hay nada, pocas o muchas nubes.
>>
>
> Quizá podrías usar las nubes como pesos para hacer una estimación por
> mínimos cuadrados:
>
> http://statsmodels.sourceforge.net/stable/examples/notebooks/generated/wls.html
>
> Por otra parte, para hacer regresión no solo existen redes neuronales,
> podrías usar svr/svm (busca en sklearn). Hay unas redes especiales que se
> llaman ELM (Extreme learning machines) que son muy 'baratas' de entrenar
> (comparado con las SVMs, por ejemplo) y dan buenos resultados.
>
> Ciñéndonos un poco más a la física del problema, podrías usar datos de
> modelos atmosféricos para complementar los datos que ya tienes, los modelos
> atmosféricos ofrecen salidas de nubosidad, radiación,... Dependiendo de la
> zona del mundo en la que te encuentres podrías usar datos de modelos
> globales con buena resolución espacial (CSFR, MERRA, ERA INTERIM,...). Otra
> opción es usar directamente información de imágenes satelitales (más
> complicado de conseguir). La temperatura se puede considerar como un proxy
> (una medida indirecta de la radiación) y no sería la mejor opción para tu
> problema.
>
>
> http://scikit-learn.sourceforge.net/dev/modules/classes.html#module-sklearn.svm
>
> https://pypi.python.org/pypi?%3Aaction=search&term=machine+learning&submit=search
> (busca las extreme learning machines entre los paquetes)
> http://cfs.ncep.noaa.gov/cfsr/
> http://gmao.gsfc.nasa.gov/merra/
> http://www.ecmwf.int/en/research/climate-reanalysis/era-interim
>
>
>
>>
>> Hay varios papers sobre el tema:
>> http://www.sciencedirect.com/science/article/pii/S0960148198000652
>> http://www.sciencedirect.com/science/article/pii/S1364032113005959
>> http://www.sciencedirect.com/science/article/pii/S0306261902000168
>>
>> Saludos, Jairo
>>
>> El 23 de febrero de 2015, 12:38, Kiko <kikocorreoso en gmail.com> escribió:
>>
>>
>>>
>>> El 23 de febrero de 2015, 16:12, Jairo Trad <frodobolsonxx en gmail.com>
>>> escribió:
>>>
>>>> Hola Lista, como va? Molesto por que anduve googleando bastante sobre
>>>> este tema y no encontre nada concreto.
>>>>
>>>> Estoy trabajando en un problema que SÉ que se resuelve con redes
>>>> neuronales. La cuestión es que, aunque hay muchos papers, no encuentro una
>>>> implementación concreta de una red para este problema ni tampoco encuentro
>>>> una Guia piola para arrancar con redes neuronales yo... Entonces la
>>>> pregunta seria:
>>>>
>>>> 1) Que me recomiendan para empezar a encarar el tema de redes
>>>> neuronales?
>>>>
>>>
>>> No que yo conozca. Los que conozco enseguida se complican mucho y no son
>>> nada buenos para iniciarse.
>>>
>>>
>>>> 2) Hay algún tutorial Hands On del tema?, en python si se puede...
>>>>
>>>
>>> Para empezar a trastear con redes básicas
>>> http://nbviewer.ipython.org/github/masinoa/machine_learning/blob/master/04_Neural_Networks.ipynb
>>>
>>>
>>>> 3) Existe alguna librería "por defecto" para redes neuronales en python?
>>>>
>>>
>>> sklearn incluye alguna cosa simple:
>>> http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.Perceptron.html#sklearn.linear_model.Perceptron
>>> En PyPI:
>>> https://pypi.python.org/pypi?%3Aaction=search&term=neural&submit=search
>>> Quizá PyBrain sea lo más estable y testeado en el mundo Python:
>>> https://github.com/pybrain/pybrain
>>> Algún binding para librerías en otros lenguajes (FANN,...)
>>>
>>> Una vez dicho esto, hablando de forma muy genérica, ¿por qué sabes que
>>> se puede resolver con ANNs? Quizá, si expones el problema te puedan
>>> recomendar otros algoritmos que no sean necesariamente ANNs y también sean
>>> válidos y más sencillos de aplicar/entender. Las redes son un poco caja
>>> negra. Mis experiencias siempre han sido que la navaja de Occam aplica y
>>> normalmente se pueden obtener resultados similares con cosas mucho más
>>> sencillas.
>>>
>>>
>>>>
>>> Saludos, Jairo
>>>>
>>>
>>> Saludos.
>>>
>>>
>>>>
>>>>
>>>> --
>>>> Jairo Trad
>>>> ar.linkedin.com/in/ingjairotrad
>>>>
>>>> _______________________________________________
>>>> pyar mailing list pyar en python.org.ar
>>>> http://listas.python.org.ar/listinfo/pyar
>>>>
>>>> PyAr - Python Argentina - Sitio web: http://www.python.org.ar/
>>>>
>>>> La lista de PyAr esta Hosteada en USLA - Usuarios de Software Libre de
>>>> Argentina - http://www.usla.org.ar
>>>>
>>>
>>>
>>> _______________________________________________
>>> pyar mailing list pyar en python.org.ar
>>> http://listas.python.org.ar/listinfo/pyar
>>>
>>> PyAr - Python Argentina - Sitio web: http://www.python.org.ar/
>>>
>>> La lista de PyAr esta Hosteada en USLA - Usuarios de Software Libre de
>>> Argentina - http://www.usla.org.ar
>>>
>>
>>
>>
>> --
>> Jairo Trad
>> ar.linkedin.com/in/ingjairotrad
>>
>> _______________________________________________
>> pyar mailing list pyar en python.org.ar
>> http://listas.python.org.ar/listinfo/pyar
>>
>> PyAr - Python Argentina - Sitio web: http://www.python.org.ar/
>>
>> La lista de PyAr esta Hosteada en USLA - Usuarios de Software Libre de
>> Argentina - http://www.usla.org.ar
>>
>
>
------------ próxima parte ------------
Se ha borrado un adjunto en formato HTML...
URL: <http://listas.python.org.ar/pipermail/pyar/attachments/20150224/3e96802f/attachment.html>