设计用于销售预测的神经网络

Question

我正在开发一个分布式系统，其中计划使用神经网络进行销售预测。

系统的小描述：系统结合了药房，病人（电子健康记录）和医生模块等模块的工作流程。

问题是：我有很多与药品销售相关的信息，我在设计神经网络时有点困惑。

我目前的设计： 输入（根据可从数据库中获取的数据）：

1. 日期：向客户出售药品的日期（YYYY / MM / DD格式）。
2. 患者年龄类别：对应于患者年龄类别的值，例如：（1 - > 12：儿童，13 - > 30：年轻...... ..）
3. 患者性别。
4. 医学ID：与药物相对应的值。
5. 疾病ID：与产生处方的医生发现的疾病相对应的值。
6. 药物单位成本：与购买药物的成本相对应的值。
7. 医药单位售价：与销售药品的成本相对应的值。
8. 药房地址ID：与药房地址对应的值。
9. 季节ID：与销售药品的季节相对应的值（夏季，冬季等）。

输出：

1. 数量：与将要销售的药品数量相对应的值。
2. 利润：与销售先前数量的利润金额相对应的价值。

问题是：我不确定这个设计是否有意义，是否有更好的建议？

我应该用什么类型的网络来实现这个设计..我打算使用多层循环网络...这是一个不错的选择还是有更好的模型？

注意：我打算使用带有“AForge.NET Framework”的c＃实现网络。

希望这个描述清晰简单，抱歉我的语言不好。

Answer 1

ID和类别对实际输入的选择较差，因为它们不是连续的，并且它们的相对大小没有什么意义。可能有用的ID是为不同的类别创建单独的网络，但是，鉴于您在此处定义的大量ID和类别，这意味着您拥有大量独立的网络，需要大量的培训数据，因为它将被大量稀释。二进制类别（如性别）可能有效，但任何一个类别都可能无法产生良好的结果。

对神经网络要非常小心，因为在足够大的网络中，你可以创建一些似乎能给出预测的东西，但这在训练集之外真的没有意义。确保您有一个没有参加培训的大型验证集。

Answer 2

我怀疑日期（绝对值）是否为模型添加任何值。如果你有多年的数据，它可能会产生一些意义，但是一个衡量标准，比如季度是什么日期，是周末还是工作日，或者它是在重大节日之后的n天内（等等）更强大。

我不知道您的直接领域，所以我对网络拓扑没有任何意见。如果您查阅一些论文，可能会有针对您的研究领域的评论文章，讨论趋势是什么。

Answer 3

这似乎缺少一些信息。

为了预测未来，你需要一个基线。例如，根据给定的处方，有人会重新填充它的可能性有多大？这种可能性是否与您的其他任何指标（年龄组，性别，销售日期）相关联？

同样季节只考虑患者的位置，并且可能仅针对某些类型的药物（我认为感冒/过敏/流感）。此外，为了提供任何真正的季节性准确性，您必须提供该季节的数据，如过敏原水平等。

接下来，药物成本和利润预期实际上只与实际药物有关，而不是预测销售可能性所必需的。