最近写论文时用到一个方法,是基于神经网络的最优组合预测,主要思想如下:在建立由回归模型、灰色预测模型、BP神经网络预测模型组成的组合预测模型库的基础上,利用以上三种单一预测模型的组合构成BP神经网络组合预测模型。(我是参考的参考这篇文章:路玉龙,韩靖,余思婧,张鸿雁.BP神经网络组合预测在城市生活垃圾产量预测中应用)
我的目的
我需要用BP神经网络来做连续预测。关于BP神经网络的python实现网上有很多,但大多是用于分类决策,于是不得不搞清楚原理改代码。
以下是我参考的一篇BP神经网络的分类决策的实现(我的连续预测的代码是基于下面这个链接改的,在此致谢一下):
https://www.cnblogs.com/Finley/p/5946000.html
修改思路:
(1)最后一层不激活,直接输出。或者说把激活函数看作f(x)=x
(2)损失函数函数改为MSE
代码
代码中用两个#——-围起来的就是我更正的部分。
import math
import random
random.seed(0)
def rand(a, b):
return (b - a) * random.random() + a
def make_matrix(m, n, fill=0.0):
mat = []
for i in range(m):
mat.append([fill] * n)
return mat
def sigmoid(x):
return 1.0 / (1.0 + math.exp(-x))
def sigmoid_derivative(x):
return x * (1 - x)
class BPNeuralNetwork:
def