使用神经网络进行价格预测是否正确？答案

【问题标题】：Using Neural Network for Price Forecasting is right or not?使用神经网络进行价格预测是否正确？
【发布时间】：2015-11-18 13:45:31
【问题描述】：

我正在做一个使用神经网络进行价格预测的项目。传统上，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，方法是使用产品的现有信息训练数据集。它通过使用广告支出、促销费用、季度销售额等输入来预测产品的未来需求。这是样本训练集数据

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

以下是神经网络参数，

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")

在非常简单的意义上，产品 A 的当前月份价格（2015 年 6 月）是 X。所以我将预测产品 A 在 2015 年 10 月、2015 年 12 月等的未来价格。对于一个测试集，训练后可以得到以下结果。

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 包到达的输出可能不正确。所以我尝试使用forecast、caret 包。
这是代码：

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

请您向我推荐以上两个包中的最佳方法或任何其他更好的方法，并建议是否可以使用神经网络进行价格预测。

【问题讨论】：

标签： r machine-learning neural-network

【解决方案1】：

首先，BPN 不应该与 3 个隐藏层一起使用。这是因为通过三层反向传播权重并没有真正的帮助，这就是他们发明深度学习领域的原因。所以我建议你先把隐藏层减到一层，然后试试看。

我建议您开始使用线性回归之类的简单方法，因为它用于价格预测等等。是的，ANN 可以用于价格预测。

您能解释一下为什么您认为第一个包的输出可能不正确吗？ .也许我可以建议一些额外的改变

【讨论】：