Machine learning 使用神经网络进行优化是否正确?

Machine learning 使用神经网络进行优化是否正确?,machine-learning,neural-network,Machine Learning,Neural Network,我正在做一个关于动态价格优化的项目,它使用神经网络。根据我的知识,神经网络经典地用于分类。在我们的上下文中,我们使用它来预测产品的最优价格。通过使用已有的产品信息培训模型。它通过使用诸如生产成本、交付时间、售后服务等输入来预测产品的最佳销售价格。对于测试集,我们在培训后得到以下结果 Actual price (Of benchmark or dataset) Predicted by neural net 375

我正在做一个关于动态价格优化的项目,它使用神经网络。根据我的知识,神经网络经典地用于分类。在我们的上下文中,我们使用它来预测产品的最优价格。通过使用已有的产品信息培训模型。它通过使用诸如生产成本、交付时间、售后服务等输入来预测产品的最佳销售价格。对于测试集,我们在培训后得到以下结果

Actual price (Of benchmark or dataset)     Predicted by neural net   
 375                                        394.23
 146                                        171.98
1211                                       1210.70
在这里,我的问题是燃烧我,因为它是连续的数据。在这里,我的问题是燃烧我,因为它是连续的数据。我们能否应用神经网络,并以我们所做的方式进行预测

以下是列车数据集。我们需要根据其他输入来训练或预测最后一列的销售价格

产品交付后的成本 产品质量时间销售。服务 871.1901 1139.99 895.13 1029.98 296.9901 329.95 329.73 334.99 118.7901 159.99 129.26 149.98 791.9901 949.99 810.68 979.98 989.9901 1099.99 1054.99 1169.98

我们使用的是r库的神经网络,学习率为0.05,迭代次数为20次,采用back-prop算法。 我进退两难,是否使用神经网络进行价格优化。 请建议我是否使用神经网络,并带我走向正确的方向。我在两难境地是否使用神经网络进行价格优化。请建议我是否使用神经网络,并将我带向正确的方向。
提前感谢

我认为您所做的是回归,而不是优化:您或多或少地假设了您的输入变量生产成本、交付时间之间的关系。。。price是一个或多或少平滑的函数,你想用一些已知的值来近似这个函数。这就是回归。是的,神经网络可以用于此。我不知道这是否能很好地解决你的问题。但是输出是连续的这一事实本身对神经网络来说并不是问题。

事实上,我认为NNs非常适合这个应用,但它将以你构建它的方式进行。虽然几天前我给出了一个关于如何使用多层感知器进行分类的答案,但我使用了连续输出

我做过类似工作的一个例子是研究不同的工业过程参数如何影响过程的效率。我用18个过程输入完成了这项工作,并在后续实验中获得了很好的结果。在可视化方面,我只能展示两个自变量如何影响效率,而其他一切都是不变的,但当你实际使用NN时,你显然不受限制

潜在的困难在于在生成“响应面”时,如何区分插值和外推。应始终寻求插值——也就是说,您尝试教授模型,使其具有您认为将遇到的所有极端条件。例如,如果您针对一系列生产成本在0.10英镑/千克产品和50英镑/千克产品之间的示例对NN进行培训,那么您在该范围内进行预测是相当安全的。如果您要求对成本为100英镑/千克的物品进行预测,您现在正在对该参数进行外推,您的结果可能没有意义。例如,在过去,我曾预测120%的效率是不可能的

当然,说起来容易做起来难。对我来说,这很容易,因为我可以测试我想要的每一种组合,以限制问题。可能是您的最低生产成本项目,即在该参数中定义极值的项目,可能具有其他输入变量的中间数量。实际上,这是一个收集尽可能多的数据,看看模型是否合理的案例

显然,您永远无法确定是否成功,但如果您已经有了一个NN结构,那么在放弃NN方法之前,我肯定会建议至少进行以下修改: -改变学习规则。在我的应用中,贝叶斯正则化总是远远优于levenberg-marquardt。 -更改隐藏层中神经元的数量


如果你在神经网络中使用类似Matlab的东西,那么你可以在如此短的时间内快速浏览如此多的模型,你将能够快速且基本上毫不费力地确定这种方法是否合适

也许你应该看看这本书;它被用作优化的早期思想之一。但是神经网络通常很容易陷入局部最优,也就是说,神经网络通常不是合适的优化工具。你没有具体说明你面临的问题,所以这很难
给出一个好的优化技术。也许线性规划就足够了。我不会担心数据是连续的。例如,请参阅-除了通常的模式识别应用程序之外,还有一些非离散输出问题。另请参见中的控制系统。更大的问题是你是否能充分训练网络。从数学意义上讲,这似乎不是一个优化问题。似乎每个你想预测的项目都有一个价值;这只是回归。NNs非常适合于这一点,因为这是它们自然的功能,它们也自然地处理连续变量。谢谢大家的回答。。这很有帮助!!。。。。我已经发送了测试集样本。我想发送培训集样本,以使其更清晰。使用的培训集有:生产成本,产品质量交付时间售后服务871.1901139.99 895.13 1029.98 296.9901 329.95 329.73 334.99 118.7901 159.99 129.26 149.98 791.9901 949.99 810.68 979.98 989.9901 1099.99 1054.99 1169.98如果您能向我推荐其他可用于价格优化而不是神经网络优化的方法,我会很有帮助网络??我恐怕无法理解您列出的数据,而且我也不确定除了我以外的任何人都能看到您在这里发布的内容,因为您回复了我。但是,我认为您的培训集包含5个不同的示例?在我熟悉的所有模型和方法中,基于如此小的训练集,我不会相信任何一种模型和方法;NN有太多的灵活性,无法曲解输入之间的关系。我个人会默认使用Excel返回一些更基本的东西,也许是简单的回归。我不确定。