bp神经网络回归预测模型(python实现)_神经网络实现连续型变量的回归预测（python)...

转至：https://blog.csdn.net/langb2014/article/details/50488727

输入数据变为房价预测：

105.0,2,0.89,510.0

105.0,2,0.89,510.0

138.0,3,0.27,595.0

135.0,3,0.27,596.0

106.0,2,0.83,486.0

105.0,2,0.89,510.0

105.0,2,0.89,510.0

143.0,3,0.83,560.0

108.0,2,0.91,450.0

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 rando