BP神經網絡算法預測銷量高低

　　理論以前寫過：https://www.cnblogs.com/fangxiaoqi/p/11306545.html，這里根據天氣、是否周末、有無促銷的情況，來預測銷量情況。

function [ matrix,attributes ] = bp_preprocess( inputfile )
%% BP神經網絡算法數據預處理，把字符串轉換為0,1編碼
% inputfile: 輸入數據文件；
% output： 轉換后的0,1矩陣；
% attributes: 屬性和Label；
%% 讀取數據
[~,txt]=xlsread(inputfile);
attributes=txt(1,2:end);
data = txt(2:end,2:end);
%% 針對每列數據進行轉換
[rows,cols] = size(data);
matrix = zeros(rows,cols);
for j=1:cols
    matrix(:,j) = cellfun(@trans2onefalse,data(:,j));
end
end
function flag = trans2onefalse(data)
    if strcmp(data,'壞') ||strcmp(data,'否')...
        ||strcmp(data,'低')
        flag =0;
        return ;
    end
    flag =1;
end

%% 使用BP神經網絡算法預測銷量高低
clear ;
% 參數初始化
inputfile = '../data/sales_data.xls'; % 銷量及其他屬性數據
%% 數據預處理
disp('正在進行數據預處理...');
[matrix,~] =  bp_preprocess(inputfile);
%% 輸入數據變換
input = matrix(:,1:end-1);
target = matrix(:,end);
input=input';
target=target';
target=full(ind2vec(target+1));
%% 新建BP神經網絡，並設置參數 
% net = feedforwardnet(10);
net = patternnet(10);
net.trainParam.epochs=1000;
net.trainParam.show=25;
net.trainParam.showCommandLine=0;
net.trainParam.showWindow=1; 
net.trainParam.goal=0;
net.trainParam.time=inf;
net.trainParam.min_grad=1e-6;
net.trainParam.max_fail=5;
net.performFcn='mse';
% 訓練神經網絡模型
net= train(net,input,target);
disp('BP神經網絡訓練完成！');
%% 使用訓練好的BP神經網絡進行預測
y= sim(net,input);
plotconfusion(target,y);
disp('銷量預測完成！');

　　可以看出，檢測樣本為34個，預測正確的個數為26，預測准確率為76.5%，預測准確率較低，是由於神經網絡預測時需要較多的樣本，是在此預測數據較少造成的。