Применения нейронных сетей для прогнозирования цен

Question

Я прочитал эту строку о нейронных сетях:

«Хотя правило персептрона находит успешный вектор веса, когда примеров обучения являются линейно разделимы, она может не сойтись если примеры не являются линейно разделимы

Моего распределения данных, как это:. функции являются производством каучука, потребление каучука, производство синтетического каучука и валютного курса всех значений масштабируются

Мой вопрос в том, что данные не являются линейно разделяемыми, поэтому я должен применять ANN на нем или нет? это правило, что оно должно применяться только для линейно разделяемых данных? поскольку я получаю хорошие результаты, используя его (ошибка 0,09% MAPE). Я также применил регрессию SVM (fitrsvm в MATLAB), поэтому я должен спросить, может ли SVM использоваться в прогнозировании/прогнозировании или используется только для классификации, которую я не читал нигде в отношении использования SVM для прогнозирования, и результаты для SVM также не хороши, какова может быть возможная причина?

Answer 1

Нейронные сети не являются персептронами. Перцептрон относится к самым старым идеям, который является не более чем одним строительным блоком нейронных сетей. Перцептрон предназначен для двоичной, линейной классификации, и ваша проблема не является ни бинарной классификацией, ни линейно разделяемой. Вы смотрите на регрессию здесь, где нейронные сети хорошо подходят.

может SVM быть использована в прогнозировании/предсказании или оно используется только для классификации я не прочитал где-нибудь об использовании SVM для прогнозирования, а результаты для SVM также не хорошо, что может быть возможной причиной?

SVM имеет регрессионный «клон», называемый SVR, который может использоваться для любой задачи NN (как регрессор). Конечно, есть некоторые типичные характеристики обоих (например, SVR - непараметрическая оценка и т. Д.). Для задачи - оба подхода (как и любой другой регресс, есть десятки из них!) В порядке.