Comments on: Pronóstico de Series Temporales con Redes Neuronales en Python

By: Gabriel Cornejo

Gabriel Cornejo — Wed, 30 Nov 2022 15:45:19 +0000

Estimado Juan:
Me encantó leer tu blog sobre el uso de redes neuronales artificiales en la estimación de pronósticos, sólo quedé con ganas de saber más cosas, por ejemplo, cómo poder “tunear” la red, es decir, hacer una grilla para cambiar el número de capas ocultas, el número de neuronas en esas capas, distintas épocas, etc.
Nuevamente te felicito por la buena redacción y fáciles explicaciones.

Un gran abrazo y saludo desde CHILE

Gabriel Cornejo.

By: Na8

Na8 — Sat, 09 Apr 2022 15:40:18 +0000

In reply to Eduardo.

Hola Eduardo, en este artículo está utilizando MAE “mean absolute error” aunque existen otras métricas de error. Al ser un problema de regresión (con series temporales) y tratarse de ventas, puede que nos interese el promedio en la cantidad de la predicción (que se falló). La parte buena es que no hay que hacer cálculos adicionales. Si el MAE es de 10, sabemos que el promedio de error en nuestra predicción será de 10 unidades de stock.
Saludos!

By: Eduardo

Eduardo — Thu, 24 Feb 2022 01:23:01 +0000

Buen día. Muy buenos ejercicios son los que presentas. Soy nuevo en este ambiente de programación, pero la forma de explicar es entendible, aunque debo seguir leyendo e informándome más. Por lo mismo, tengo una duda, en base a este ejercicio, ¿cuál sería el porcentaje de «efectividad» del modelo o el equivalente al R2 de una regresión?
Muchas gracias por tu atención y felicidades!!!

By: Erick

Erick — Tue, 07 Dec 2021 04:25:34 +0000

Felicitaciones por su trabajo muy bien explicado. Por favor quisiera que me explique porque descarta el overfitting observando la grafica de «validate loss». Muchas gracias.

By: Jesús Guillen

Jesús Guillen — Thu, 08 Jul 2021 02:29:41 +0000

Muchas Gracias por la respuesta.

By: Na8

Na8 — Sun, 27 Jun 2021 10:28:59 +0000

In reply to Jesus Guillen.

Para ver la arquitectura con Keras tienes el método:
print(model.summary())
o cómo imagen:
from keras.utils.vis_utils import plot_model plot_model(model, to_file='model_plot.png', show_shapes=True, show_layer_names=True)
Para ver los pesos de cada layer, tienes que ir iterando similar a esto:
weights, biases = model.layers[0].get_weights()
Saludos!

By: Jesus Guillen

Jesus Guillen — Fri, 25 Jun 2021 17:43:43 +0000

Buenos tardes, la presente es para felicitarlo, quiero hacerle una pregunta. ¿Cómo puedo visualizar la arquitectura del modelo de RN con sus respectivos pesos sinápticos?.¿Existe la posibilidad de generarlos?. Es que estoy haciendo un modelo de series de tiempo utilizando RN y no sé cómo realizarlo.

By: Na8

Na8 — Sun, 20 Jun 2021 09:22:59 +0000

In reply to Elthon Daniel Rivas. Hola Elthon, muchas gracias por tus palabras, la verdad que estoy algo desanimado en lo que va de año, (por temas personales) y quiero retomar la escritura en el blog y comentarios como el tuyo me dan energía para volver a hacerlo. Saludos!

By: Elthon Daniel Rivas

Elthon Daniel Rivas — Fri, 04 Jun 2021 17:20:07 +0000

Te felicito Juan, más claro imposible, con la experiencia que tengo puedo decir que tus explicaciones son muy claras sobre todo para aquellos que están empezando en este mundo de Machine Learning. Grandioso trabajo.

By: alvaro

alvaro — Thu, 12 Nov 2020 00:37:27 +0000

Hola juan
muchas gracias por el articulo
una pregunta ,estoy trabajando en GOOGLE COLAB— y no me carga el archivo csv—me sale error

FileNotFoundError: [Errno 2] No such file or directory: ‘time_series.csv’

como puedo solucionarlo???

gracias