我希望使用Artificial neural network pattern recognition tool来预测市区的交通流量，并使用以前的流量统计数据。
我想知道这是一种预测交通状况的好方法。
答案 0 :(得分：0)
可能应该张贴在CrossValidated。
确切的有效性取决于您在预测交通状况时所考虑的功能。 “它是否是一种好技术”的问题太模糊了。神经网络在某些情况下可能会很好地工作，而在其他情况下也可能非常糟糕。没有特定的背景，很难说清楚。
通常，神经网络在预测模式方面效果很好。如果您可以将问题形成特定的模式识别任务，那么神经网络可能会很好地运作。
- 更新 -
基于以下评论
我需要预测的是给定道路的车辆数量，根据给定时间和使用先前数据集的给定日期。举个例子，当我输入我需要旅行的道路名称，我希望旅行的时间和那天，我需要在那个时间和那天获得该道路的车辆数量。
我会说非常谨慎使用神经网络，因为根据您的数据源，您的数据可能真的稀疏。假设您有10000条道路，那么在一个月内，您将数据分为30天，然后是24小时，然后是10000道路。
如果您希望神经网络正常工作，您至少需要为数据集的每个分区提供足够的数据。如果按上述方式划分数据集，则已有7200000个分区。想一想你需要多少数据。拥有一个小数据集的结果意味着你的700万个分区中的大多数都没有可用的数据，这意味着你的神经网络预测大部分时间都不会起作用，因为你没有数据可以开始。 / p>
这就是为什么大公司对大数据感到疯狂的部分原因，因为你从来没有得到足够的数据。
但无论如何，请问CrossValidated，因为那里有更多的统计学家，可以提供更好的解释。
请注意，可能还有其他方法可以拆分数据（或根本不拆分）以使其正常工作。以上只是您可能遇到的陷阱的一个例子。