Series temporales: Predicción del precio de la luz PVPC con Tensorflow

[@ArgonautaDigital]

En base al histórico de precios PVPC crearemos una red neuronal capaz de predecir el precio voluntario al pequeño consumidor a 1 hora vista. En un siguiente vídeo incluiremos una predicción a 24 horas del precio de la luz.

[@pabloagreda5509]

Hola, muy bueno el ejemplo, solo no me quedo claro la utilidad de las columnas de seno y coseno.

[@ArgonautaDigital]

Es para darle información al modelo de en qué momento del año, semana y dia se encuentra para un valor determinado. Al ser información cíclica se usa seno y coseno. Saludos.

[@pabloagreda5509]

@@ArgonautaDigital hola, quizás puedas orientarme donde investigar para manejar predicciones con small dataset. Gracias

[@ArgonautaDigital]

@@pabloagreda5509 si tienes pocos datos lo ideal no es usar una red neuronal, quizás otro tipo de algoritmos sean más efectivos, revisa la librería scikit-learn. Saludos.

[@ingresando2698]

HOLA, estoy entrenando un modelo de series temporales con LSTM, pero quisiera predecir valores siguientes, hacer que la serie prediga valores para 60 dias en adelante por ejemplo, lo intento y me da una curva casi recta.

[@ArgonautaDigital]

Quizás tengas que aumentar la ventana de datos de los días/horas previas, una predicción a 60 días quizás sea demasiado grande, saludos.

[@mikevazquez535]

Hola, una pregunta, si deseo pronosticar 5 valores siguientes, ¿se tendría que cambiar el valor de Unit en la capa Dense a 5?, ¿esto nos daría el precio a cinco horas futuras?, de antemano gracias

[@ArgonautaDigital]

Buenas Mike, si pero en ese caso deberías crear también ventanas de datos de 5 elementos para el entrenamiento. Saludos

[@mikevazquez535]

@@ArgonautaDigital muchas gracias, en este sentido ¿se refiere a agregar los espacios sin datos en la serie?, de antemano una disculpa por la ignorancia, pero es algo que no se aborda en los ejemplos de internet y me es difícil entender un poco esta parte.

[@ArgonautaDigital]

@@mikevazquez535 Me refiero a que necesitas tener una ventana de datos dividida en dos partes n_steps anteriores y n_steps posteriores, en la fase de entrenamiento entrenaras el modelo con n_steps anteriores y como salida tendras n_steps posteriores en tu caso 5, en la predicción solamente pasaras los n_steps anteriores y el modelo te dirá los n_steps posteriores de ahí la capa Densa de 5 neuronas. Saludos.

[@mikevazquez535]

@@ArgonautaDigital muchas gracias!!! 😁

[@alexiscuetovillarreal3521]

es buenisimo pero solo tengo una pregunta como regreso mis datos escalados a la normalidad ?

[@ArgonautaDigital]

Con la función inverse_transform del scaler puedes volver a recuperar los datos "normales" :). Saludos