2

对于每一年，给定的数据集包含所售商品的平均价格，例如：

╔══════╦═══════════════╗
║ Year ║ Cost of flerg ║
╠══════╬═══════════════╣
║ 2007 ║            13 ║
║ 2008 ║             7 ║
║ 2009 ║             8 ║
║ 2010 ║             9 ║
║ 2011 ║            12 ║
║ 2012 ║            13 ║
║ 2013 ║             9 ║
║ 2014 ║            11 ║
║ 2015 ║            14 ║
╚══════╩═══════════════╝

现在我想估计它在 2016 年、2017 年的价值是多少，...

我查看了一些线性回归函数，但它们只为图形生成斜率和截距数。

那么有人知道解决这个问题的方法吗？

4

1 回答 1

0

您可以尝试使用最小二乘法拟合一条通过点的线，该方法假设您知道数据集分布的大致规律。

您也可以尝试训练一个小型感知器或神经网络（取决于您是否认为它是线性分布）。但是，这假设您有一个重要的训练集。

您还可以尝试使用简单的遗传算法来获得一个数学表达式，该表达式试图根据前一个 n 预测下一个值。但是，这与感知器方法有类似的问题，因为您可能缺乏足够大小的训练集。

否则，在不了解更多问题的情况下，可能无法预测未来的元素。如果您对问题有更多了解，则可以使用该信息对预测器进行建模。

于 2015-11-20T08:54:48.940 回答