BP神经网络算法预测销量高低

　　理论以前写过：https://www.cnblogs.com/fangxiaoqi/p/11306545.html，这里根据天气、是否周末、有无促销的情况，来预测销量情况。

function [ matrix,attributes ] = bp_preprocess( inputfile )
%% BP神经网络算法数据预处理，把字符串转换为0,1编码
% inputfile: 输入数据文件；
% output： 转换后的0,1矩阵；
% attributes: 属性和Label；
%% 读取数据
[~,txt]=xlsread(inputfile);
attributes=txt(1,2:end);
data = txt(2:end,2:end);
%% 针对每列数据进行转换
[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,'坏') ||strcmp(data,'否')...
        ||strcmp(data,'低')
        flag =0;
        return ;
    end
    flag =1;
end

%% 使用BP神经网络算法预测销量高低
clear ;
% 参数初始化
inputfile = '../data/sales_data.xls'; % 销量及其他属性数据
%% 数据预处理
disp('正在进行数据预处理...');
[matrix,~] =  bp_preprocess(inputfile);
%% 输入数据变换
input = matrix(:,1:end-1);
target = matrix(:,end);
input=input';
target=target';
target=full(ind2vec(target+1));
%% 新建BP神经网络，并设置参数 
% 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';
% 训练神经网络模型
net= train(net,input,target);
disp('BP神经网络训练完成！');
%% 使用训练好的BP神经网络进行预测
y= sim(net,input);
plotconfusion(target,y);
disp('销量预测完成！');

　　可以看出，检测样本为34个，预测正确的个数为26，预测准确率为76.5%，预测准确率较低，是由于神经网络预测时需要较多的样本，是在此预测数据较少造成的。