全文链接：http://tecdat.cn/?p=31938
原文出处：拓端数据部落公众号
以苏州商品房房价为钻研对象，帮忙客户建设了灰色预测模型 GM (1,1)、BP 神经网络房价预测模型，利用 R 语言别离实现了 GM (1,1)和 BP 神经网络房价预测可视化。
因为房价的长期波动性及预测的复杂性，利用传统的办法很难精确预测房价，而灰色模型 GM (1,1)和神经网络的联合在肯定水平上能够很好的解决这个问题。文章首先介绍了 GM (1,1)模型和神经网络模型，而后利用 R 语言和其工具箱提供的预测房价性能，对住宅类商品房销售价格进行预测。结果表明该办法可能无效进步房价预测的精度，为房地产市场管理者及投资者提供肯定的参考。
灰色模型
灰色预测的次要特点是模型应用的不是原始数据序列, 而是生成的数据序列。
其外围体系是灰色模型 (Grey Model,GM), 即对原始数据作累加生成(或其余办法生成) 失去近似的指数法则再进行建模的办法。长处是不须要很多的数据, 就能解决历史数据少、序列的完整性及可靠性低的问题; 能利用微分方程来充沛开掘零碎的实质, 精度高; 能将无规律的原始数据进行生成失去规律性较强的生成序列, 运算简便, 易于测验, 不思考散布法则, 不思考变化趋势。毛病是只实用于中短期的预测, 只适宜指数增长的预测。
# 训练数据
train=mynx[1:floor(length(mynx)*0.8)]
GM11<-function(x0,t,x){ #x0 为输出训练数据序列列，t 为预测个数,x 为原始数据（训练数据 + 测试集）x1<-cumsum(x0) #一次累加生成序列 1 -AG0 序列
b<-numeric(length(x0)-1)
n<-length(x0)-1
for(i in 1:n){ #生成 x1 的紧邻均值生成序列
\n','\n') #利用最小二乘法求得参数估计值 a,u
y<-numeric(length(c(1:t)))
y[1]<-x1[1]
for(w in 1:(t-1)){#将 a,u 的估计值代入工夫响应序列函数计算 x1 拟合序列 y GM11(train,lnx),mynx)# 拟合gm=GM11(train,length(mynx)+20,mynx)# 预测 20 年的房价从灰色模型的后果来看，将来的趋势房价有较大上涨。
神经网络预测
fcast <- forecast(fit,h=20)
plot(fcast)从神经网络模型预测的后果来看，将来的房价会有较安稳的增长。
最受欢迎的见解
1.R 语言实现 CNN（卷积神经网络）模型进行回归
2.r 语言实现拟合神经网络预测和后果可视化
3.python 用遗传算法 - 神经网络 - 含糊逻辑控制算法对乐透剖析
4.R 语言联合新冠疫情 COVID-19 股票价格预测：ARIMA，KNN 和神经网络工夫序列剖析
5.Python TensorFlow 循环神经网络 RNN-LSTM 神经网络预测股票市场价格工夫序列和 MSE 评估准确性
6.Matlab 用深度学习长短期记忆（LSTM）神经网络对文本数据进行分类
7. 用于 NLP 的 seq2seq 模型实例用 Keras 实现神经机器翻译
8. R 语言用 FNN-LSTM 假近邻长短期记忆人工神经网络模型进行工夫序列深度学习预测
9.Python 用 RNN 循环神经网络：LSTM 长期记忆、GRU 门循环单元、回归和 ARIMA 对 COVID-19 新冠疫情新增人数工夫序列预测