我正在做一个使用神经网络进行价格预测的项目。传统的神经网络用于分类。在我们的上下文中,我们使用R语言中的neuralnet
包进行价格预测,方法是使用产品已有的信息对数据集进行训练。它通过使用类似的广告开支,促销费用,季度销售等 这里,输入预测某个产品的未来需求是样品车组数据使用神经网络进行价格预测是否正确?
Advertising spending promotional expenses quarterly sales Future Price
4949.014 7409.23 43500.21 16793
5369.13 7903.12 20209.11 22455
6149.23 9289.34 47640.15 25900
6655.24 9914.01 34563.21 25591
下面是神经网络参数,
net = neuralnet(predict.furure~advertising.spending + promotional.expenses + quarterly.sales,
data=traindata.norm, hidden=3, threshold = 0.1, startweights=NULL,
rep=100, learningrate=0.02, algorithm="backprop", lifesign="full",
err.fct="sse", act.fct="logistic")
从非常简单的角度来看,产品A的当前月价格(2015年6月)为X.因此,我将预测2015年10月,2015年12月等产品A的未来价格。 对于测试集,训练后可以抵达。
Actual (Of benchmark or dataset) prediction by neural net
81030 86901.57818
86686 80938.02441
97088 87538.63362
108739 107872.53769
我觉得使用neuralnet
包得出的输出可能不正确。所以我试图使用forecast
,caret
包。
下面是代码:
library(forecast)
datas = ts(dataset)
ts1test = window(datas,start=10,end=20)
est1 = ets(ts1train[1:10])
est2 = ets(ts1test[10:20],model=est1)
onefit = fitted(est2)
fore = forecast(onefit)
fore
恳请你建议我在上面两个包是最好的方法或任何其他更好的办法,也表明神经网络是否可用于价格预测。