Question

我想预测零售公司的销售情况。我正在使用神经网络包神经网络。

我的代码：

    nn <- neuralnet(f,data=train_,hidden=c(14,12,4),linear.output=F,threshold = 0.01,
        stepmax = 1e+08, rep = 10, startweights = NULL,learningrate.limit = NULL,
        learningrate.factor = list(minus = 0.6, plus = 1.15),
        learningrate=NULL, lifesign = "none",
    algorithm = "rprop+", err.fct = "sse", act.fct = "logistic", 
exclude = NULL,constant.weights = NULL, likelihood = FALSE)

我的模型甚至不如线性回归。我该怎么做才能提高模型的准确性？

数据：2＆＃39; 300 Quaters（例如2003年第一季度）和18个变量（例如库存）

Answer 1

我不确定这个软件包的具体细节，但是我使用keras对神经网络做了一些干预。

根据我从您使用默认学习率的函数参数中理解，尝试设置一个怎么样？我会在0.01和0.0001之间改变它并检查结果。

另外，您是否尝试过不同的激活功能，例如一个线性？

最后，你是如何选择层数的？由于这是一个回归问题，我想你不仅限于输出层上的4个节点。我会循环一些变化并检查结果。

我在神经网络方面不是很有经验，所以如果我错了请纠正我。

神经网络使用R（神经网络包）

1 个答案: