神经网络 股票预测

为什么我用神经网络设计出的股票预测模型,预测结果老是和实际值相...

好久没回答问题了，今天来一发。

我猜你输入的数据里一定有股价（包括开盘收盘均价等），然后训练过程中训练函数发现当处理这些数据的神经元权重达到很大的值之后，训练误差会降到很小的水平，小到比其他权重安排方法还要小（局部极小）。

所以训练好的网络实际上变成了平移过去数据，就成了你看到的样子。

什么是神经网络

展开全部 这个其实你安静下来查查百度也挺快的，人讲的话漏洞还是蛮多的。

神经网络可以想象成机器人脑。

尽量简单讲吧，神经网络的初衷是人希望计算机能模拟人的思维方式解决这些问题：识别物体，识别数据类型——》进而做到预测物体发展，预测数据变化。

比如预测股票，电影票房等等。

那人的思维方式是怎样的呢？是多维的网状的。

比如，识别一个杯子只需要一瞬间，但你判断的过程是通过杯子的各种特征综合反映出来是一个杯子的。

这种各种特征的综合反映就是神经网络的基本特点。

抽象一点，你输入一组能代表杯子的特征，经过神经网络的处理，它能告诉你这是一个杯子。

神经网络就算成了。

其中，你输入的一组特征就是输入向量；神经网络是由你自己设计的，包括层数和节点数，都是模拟人脑复杂程度的。

解决什么样的问题，就用适当的复杂程度。

处理指的是各种函数。

最后能告诉你是个杯子，就算是输出了。

当然，神经网络并不是很准确的网络，因为这是和人自己对大脑的研究成正比的。

但因为兼容性强，建模方便的特征，使神经网络的使用范围还是相当广的。

希望没有误导你。