Ich stehe gerade vor einer kleinen, aber für mich wichtigen Entscheidung in meinem aktuellen Projekt. Ich arbeite viel mit Zeitreihendaten und habe bisher immer auf klassische Methoden wie ARIMA gesetzt, einfach weil sie mir vertraut sind. Jetzt lese ich überall von diesem neuen Ansatz, der auf rekurrenten neuronalen Netzen basiert. Ein Kollege meinte, das wäre für unsere Art von Daten ein echter Gamechanger. Irgendwie habe ich das Gefühl, dass ich da eine Tür öffnen könnte, vor der ich schon länger stehe, ohne es zu wissen. Vielleicht ist es einfach die Angst, dass der Wechsel zu etwas Neuem erstmal mehr Fragen aufwirft als Antworten liefert.
Das klingt wie eine Tür zu neuen Möglichkeiten bei Zeitreihen auch wenn die Angst nicht weggeht. Ein Teil von mir freut sich auf das Potenzial der rekurrenten Netze und der andere Teil bleibt vorsichtig, weil neue Werkzeuge oft Fragen statt Antworten bringen
ARIMA fühlt sich vertraut an weil die Annahmen klar sind und die Schritte logisch wirken Zeitreihen bleiben der Bezugspunkt. RNNs brauchen viel Daten und neigen dazu Muster zu erkennen statt echte Ursachen zu verstehen. Die Wartung der Modelle ist anders, die Daten müssen glatter und schichtweise beaufsichtigt werden. Feature Engineering bleibt wichtiger als gedacht
Du sagst rekursive Netze gleich automatisches Wahrsagen. Vielleicht ist das der Eindruck dass man einfach Daten reinschiebt und tada die Zukunft kommt. So einfach ist es nicht, aber ich kann mir vorstellen dass es in bestimmten Kontexten gut funktioniert
Was wenn sich die Verbesserungen nur in der Theorie zeigen und in der Praxis der Aufwand zu groß ist?
Vielleicht geht es weniger um das neue Tool als um die Fragestellung selbst. Statt zu fragen wie man das Modell ersetzt könnte man prüfen wie sich die Arbeitsteilung zwischen Automatisierung und domänenspezifischem Wissen verändert
Man könnte ein hybrides Konzept sehen das Teile von ARIMA aufgreift und Teile von RNNs mischt ohne zu erklären wie das konkret funktioniert Das bleibt unklar aber reizvoll
