R语言保存循环结果

Python013

R语言保存循环结果,第1张

k <- list()

for(i in 1:1000)

{

  k[[i]] <- nn2()

}

newdata=c()                        #1

for(i in 1:1000)

{

#方法一：三次样条法

library(splines)

m1 <- lm(h~bs(a,df=3),data=k[[i]])

#预测百分位数值

new <- data.frame(a=7:20)

cs.p <- predict(m1, new)

#均方差

mse.cs <- sum( (st$p50-cs.p)^2 )/14

#最大范数误差

mne.cs <- max(abs(st$p50-cs.p))

newdata<-rbind(newdata,mse.cs)        #2

print(newdata)                        #3

}

aa<-mean(newdata)          #4

新建newdata来保存循环的结果，以便对循环的结果进行后续操作比如求均值并保存在aa中

你在建立网络的时候不是用了net=newff(……）吗？这个net就是输出的结果。

newff函数只是初始化一个神经网络，之后还得用train函数训练，训练好的net就是你要的网络。

newff函数的格式为：

net=newff(PR,[S1 S2 ...SN],{TF1 TF2...TFN},BTF,BLF,PF），函数newff建立一个可训练的前馈网络。输入参数说明：

PR：Rx2的矩阵以定义R个输入向量的最小值和最大值；

Si：第i层神经元个数；

TFi：第i层的传递函数，默认函数为tansig函数；

BTF：训练函数，默认函数为trainlm函数；

BLF：权值/阀值学习函数，默认函数为learngdm函数；

PF：性能函数，默认函数为mse函数。

怎样判断是否应该长期销售某种产品数学

回答：

1.可选模型有简单移动平均，加权移动平均，季节性移动平均以及二次方程与龚帕兹曲线等。

2.根据题主描述的数据的分布来看是有季节趋势的，因而建议用有季节趋势的移动平均来做。

3.此类时间序列模型的主要参数是跨越期与权重的选择，模型评估的核心参数是MAE以及MSE

4.R语言有直接处理时间序列的包timeseries等,可以丢进去处理。

5.可以参考《市场预测与管理决策》这本书。

6.一般很少见拿LR去做销量预测的，因为一般到手的数据只有时间与对应的销量而没有太多的因变量，如果题主有因变量的话，也可以试着做一下LR试一下效果咯。

6.如果需要的话题主可以将数据Mask一下丢给我，我可以帮忙处理。