R：用神经网络预测股票价格 stock

默认情况下，

nnet

使用逻辑输出单位，即尝试预测二进制变量。 您需要线性输出单位

obs<- sample(1:21, 21*0.5, replace=F)
tr.Nam<- stock[obs,]; st.Nam<- stock[-obs,]

library(nnet)
Nam_nnet<-nnet(close_price~., data=tr.Nam, size=4, decay=5e-4)
summary(Nam_nnet)
y<-tr.Nam$close_price
p<-predict(Nam_nnet, st.Nam, type="raw")
p
tt<-table(y,p)
summary(tt)
tt

---

Nam_nnet现在“p”的价格接近，但值相同。如果股票价格预测总是一致的，那就不好了。请让我知道如何使预测价格每天都有所不同。最简单的方法是转换数据：如果大多数值在0左右，比如-2和2之间，问题就会消失。在
scale
之后，我得到了很好的p值，谢谢。不过，我还有一个问题<代码>绘图（p，st.Nam$close_价格）

这不起作用。我在st.Nam$close_price:$运算符对原子向量无效时收到消息错误

obs<- sample(1:21, 21*0.5, replace=F)
tr.Nam<- stock[obs,]; st.Nam<- stock[-obs,]

library(nnet)
Nam_nnet<-nnet(close_price~., data=tr.Nam, size=4, decay=5e-4)
summary(Nam_nnet)
y<-tr.Nam$close_price
p<-predict(Nam_nnet, st.Nam, type="raw")
p
tt<-table(y,p)
summary(tt)
tt

Nam_nnet <- nnet(
  close_price ~ ., 
  data = tr.Nam, 
  size = 4, decay = 5e-4, 
  linout = TRUE
)
p <- predict(Nam_nnet, st.Nam, type="raw")
plot( p, st.Nam$close_price )