1978年至2017年期间，制造业的工作岗位数量有一个时间序列 . 我想使用径向基础神经网络来预测两年内的工作岗位数量 . 可能吗？如果是，你能用R语言编写代码吗？非常感谢！我在这里写了一些代码：
install.packages("RSNNS")
library(RSNNS)
data <- read.csv("jobs.csv",header = TRUE)
tsA01 <- ts(data$`A-01`,start = c(1978,2),end = c(2017,1),frequency = 4)
部分数据如下图所示：
1 回答
查看数据示例，您有一个非常简单的数据集：响应变量（作业数）和单个协变量（日期） . 如果这确实是您数据的限制，则无需采用神经网络方法 . 当你有大量特征（即协变量，也称为“p”）时，神经网络和其他监督机器学习方法实际上是必需的，通常使得p >> n（观察数量） . 在这个具体的案例中，我将从一个简单的线性回归开始，可能会将月份或季节等因素视为协变量 . 如果回归看起来很好，那么您可以预测未来的时间点 .
如果您确实拥有比您在问题中所提到的更复杂的数据，那么可以免费在线获得一本很棒的机器学习教科书 . 它包括一些用R编写的实验室章节，以帮助指导您进行各种分析，但在您决定专门使用神经网络之前，我会花时间阅读各种方法的优缺点 . 你可以在这里找到教科书：http://www-bcf.usc.edu/~gareth/ISL/（只需点击"Download the book PDF"即可 .