設計用於銷售預測的神經網絡

Question

我正在開發一個分佈式系統，其中計劃使用神經網絡進行銷售預測。

該系統的一個小的描述：該系統結合了諸如藥房，病人（電子健康記錄）和醫生模塊等模塊的工作流程。

問題是：我有很多關於醫藥銷售的信息，我在設計神經網絡時有點困惑。

我目前的設計： 輸入（根據可以從數據庫中取得的數據）：

1. 日期：的中藥銷售給客戶（YYYY/MM/DD格式）的日期。
2. 患者年齡分類：與患者的年齡分類相對應的值例如：（1 - > 12：小孩，13 - > 30：年輕......）
3. 患者性別。
4. Medicine ID：與藥物相對應的值。
5. 疾病ID：與產生處方的醫生髮現的疾病相對應的值。
6. 醫藥單位成本：與購買藥品成本相對應的價值。
7. 醫藥單位出售量：與銷售藥品成本相對應的價值。
8. 藥房地址ID：與藥房地址對應的值。
9. 季節ID：與銷售藥物季節（夏季，冬季等）相對應的值。

輸出：

1. 數量：對應於將要出售的藥物的量的值。
2. 利潤：與銷售上一個數量的利潤額相對應的值。

問題是：我不確定這個設計是否有意義，有什麼更好的建議？

和我應該使用什麼類型的網絡來實現這個設計..我打算使用多層循環網絡......這是一個不錯的選擇或有更好的模型？

注：我打算使用c＃與「AForge.NET框架」實現網絡。

希望這個描述是清晰和簡單的，併爲我的可憐的語言感到遺憾。

Answer 1

我懷疑日期（絕對值）是否會給模型增加任何值。如果你有很多年的數據，它可能會產生一些意義，但是可以採取一些措施，例如，哪一天是四分之一，是週末還是一個工作日，或者是否在重大節假日等的n天內要強大得多。

我不知道你的直接領域，所以我對網絡拓撲沒有任何意見。如果你查閱一些論文，可能會有一些評論文章與你的研究領域有關，討論趨勢是什麼。

Answer 2

這似乎缺少一些信息。

爲了預測未來，您需要一個基線。例如，在給定的處方中，有人可能會補充它的可能性有多大？這種可能性是否與任何其他指標（年齡組，性別，銷售日期）有關？

同樣季節只對患者的位置有影響，可能只對某些類型的藥物（我在想冷/過敏/流感）。此外，爲了提供任何真正的季節性準確性，您必須爲該季節引入數據，例如過敏原水平等。

接下來，藥物和利潤預期成本僅與實際藥物和沒有必要預測銷售可能性。

Answer 3

ID和類別對實際投入的選擇很差，因爲它們不是連續的，而且它們的相對量級意義不大。哪些ID最適合爲不同的類別創建單獨的網絡，但是，鑑於您在此處定義了大量ID和類別，這意味着您擁有大量單獨的網絡，需要大量訓練數據，因爲它會被大量稀釋。二元分類（如性別）可能有效，但是具有多個分類的任何分類都不會產生良好的結果。

對神經網絡要非常小心，因爲如果網絡足夠大，可以創建一些似乎給出預測的東西，但在訓練集之外這確實沒有意義。確保你有一個不參與培訓的大型驗證集。