Ejercicios · Series Temporales · Redes recurrentes¶
La serie convertida en ventanas de doce meses, cómo una RNN y una LSTM leen esas ventanas paso a paso, qué gana y qué paga cada una, y la prueba de barajar el orden de la entrada, pronosticando 2025 mes a mes sobre la diferencia con hace 12 meses. Cada enlace abre una actividad que se trabaja en el navegador, sin instalar nada.
Cada actividad empieza con la serie de análisis y unas claves que sirven para el ejercicio de esa página. Después viene una pregunta para responder antes de tocar nada, sigue con los controles y cierra con la explicación, que aparece cuando las preguntas quedan resueltas. Cada respuesta muestra su razón, se acierte o no. La ventana, las cuentas de las dos celdas y el MAE se calculan en la página; los pronósticos vienen de PyTorch, con el mismo código del notebook de la sesión, y se calcularon fuera de la página para cada posición de los controles. Las cifras del backtest que citan las preguntas salen de la tabla de la sesión.
Ventanas¶
La ventana de un mes¶
Un control que recorre los meses de la serie, con los doce meses anteriores resaltados en la gráfica y el tensor (12, 1) de la diferencia en una tabla, junto a su objetivo. Se trata de ver cuántas ventanas da la serie, cuántos valores comparten dos ventanas seguidas y en cuántas entra un mes atípico.
Cómo funcionan¶
La RNN paso a paso¶
Las cuentas de una RNN de una neurona sobre la ventana de enero de 2025: en
cada paso entran el mes y la salida del paso anterior, y la misma celda se
repite doce veces. Con el peso del estado, u, se trata de ver cuánto del
paso 1 llega al paso 12, qué pasa al leer la ventana al revés y por qué los
pasos van en fila. Cierra con una tabla de ventajas y limitaciones de la RNN.
La celda LSTM paso a paso¶
La misma ventana en una celda LSTM, con sus compuertas de olvido, entrada y
salida y la memoria c. Con el sesgo de olvido se trata de ver cuándo la
memoria sobrevive los doce pasos y cuándo se borra, cuánto cuestan las
compuertas en pesos y cómo le fue en el backtest. Cierra con la RNN y la
LSTM lado a lado.
Una situación del curso¶
La pandemia dentro de la ventana¶
Cada ventana de la serie, de 2020 a 2024, pasa por la RNN y la LSTM de las actividades anteriores, con y sin los pasos que toca la pandemia. Se trata de ver hasta cuándo llega el choque a la diferencia con hace 12 meses, cuánto lo arrastra cada red y qué se hace en los datos con un choque o con un sensor que falla. Cierra con tres decisiones: una estación de un río, un sensor en cero y la serie de pasajeros.
Recurrentes¶
Ventana y memoria¶
Una RNN o una LSTM con ventanas de 3, 6, 12 o 24 meses y de 8 a 64 neuronas, con el pronóstico de 2025 contra lo observado, su MAE y la validación mínima. Se trata de ver con cuántos pasos la RNN queda detrás de la LSTM y qué pasa con 8 neuronas.
Barajar¶
El MLP y la LSTM con la entrada en orden y barajada, cada uno promediando cinco semillas. Se trata de ver cuál de los dos cambia al barajar y cuál de los cambios se deshace moviendo los pesos.