数据预测模型有哪些

小编 3174

数据预测模型有:1.线性回归模型;2.灰色预测模型;3.BP神经网络预测模型;4.组合预测模型。上述四种模型,是比较典型和流行的数据预测模型,其中BP神经网络预测模型被称为当前预测模型中的王者。

1.线性回归模型

线性回归比较经典的模型之一,英国科学家Francis Galton在19世纪就使用了”回归”一词,并且仍然是使用数据表示线性关系最有效的模型之一。

线性回归模型的重点是:自变量和因变量之间必须满足线性关系;多元回归存在多重共线性,自相关性和异方差性;线性回归对异常值非常敏感,异常值会严重影响回归线和最终的预测值;多重共线性会增加系数估计的方差,并且使得估计对模型中的微小变化非常敏感,结果是系数估计不稳定。

2.灰色预测模型

灰色预测模型(Gray Forecast Model)是一种通过少量的、不完全的的信息,建立数学模型并做出预测的一种预测方法。

目前常用的一些预测方法(如回归分析等),需要较大的样本,若样本较小,常造成较大误差,使预测目标失效。灰色预测模型所需建模信息少,运算方便,建模精度高,在各种预测领域都有着广泛的应用,是处理小样本预测问题的有效工具。

3.BP神经网络预测模型

BP网络(Back-ProPagation Network)又称反向传播神经网络,通过样本数据的训练,不断修正网络权值和阈值使误差函数沿负梯度方向下降,逼近期望输出。它是一种应用较为广泛的神经网络模型,多用于函数逼近、模型识别分类、数据压缩和时间序列预测等。

BP网络具有高度非线性和较强的泛化能力,但也存在收敛速度慢、迭代步数多、易于陷入局部极小和全局搜索能力差等缺点。可以先用遗传算法对“BP网络”进行优化在解析空间找出较好的搜索空间,再用BP网络在较小的搜索空间内搜索优异解。

4.组合预测模型

组合预测法是对同一个问题,采用多种预测方法。组合的主要目的是综合利用各种方法所提供的信息,尽可能地提高预测精度。组合预测有2种基本形式,一是等权组合,即各预测方法的预测值按相同的权数组合成新的预测值;二是不等权组合,即赋予不同预测方法的预测值不同的权数。这2种形式的原理和运用方法完全相同,只是权数的取定有所区别。根据经验,采用不等权组合的组合预测法结果较为准确。

延伸阅读

什么是数据预测?

数据预测,顾名思义,是以数据(即利用已经掌握的信息)为依据,挖掘出潜藏在海量数据背后的特点、规律,再建立模型并以模型为基础代入新数据,得出尚未掌握的信息。简单来说,就是运用当前和历史信息(数据)进行分析、挖掘、判定,得出对未来信息(数据)的预测。

数据预测可以用作规划工具,帮助企业准备好应对未来发生的不确定性。它也能帮助经理自信地响应变化、控制业务运营,并做出推动未来增长的战略决策。

回复

我来回复
  • 暂无回复内容

站长微信
站长微信
电话联系

400-800-1024

工作日9:30-21:00在线

分享本页
返回顶部