c# - 设计用于销售预测的神经网络

Question

我正在开发一个分布式系统，其中计划使用神经网络进行销售预测。

系统简介:系统结合了Pharmacy、Patient(电子病历)和Doctor模块等模块的工作流程。

问题是:我有很多与药品销售相关的信息，我在设计神经网络时有点困惑。

我目前的设计:输入(根据可以从数据库中获取的数据):

1. 日期:向客户销售药品的日期(YYYY/MM/DD 格式)。
2. 患者年龄类别:对应于患者年龄类别的值，例如:(1 -> 12: child ，13 -> 30:年轻......)
3. 患者性别。
4. Medicine ID:与药物对应的值。
5. 疾病 ID:与生成处方的医生发现的疾病相对应的值。
6. 药物单位成本:与购买药物的成本相对应的值。
7. Medicine Unit Sold:与药物销售成本相对应的值(value)。
8. 药房地址 ID:与药房地址对应的值。
9. Season ID:与销售药品的季节相对应的值，例如(夏季、冬季……等)。

输出:

1. 数量:与将要销售的药物数量相对应的值。
2. Profit :一个值，对应于销售先前数量的利润金额。

问题是:我不确定这个设计是否有意义，有什么更好的建议吗？

我应该使用什么类型的网络来实现这个设计..我打算使用多层循环网络...这是一个不错的选择还是有更好的模型？

注意:我计划使用带有“AForge.NET Framework”的 C# 实现网络。

希望这个描述简单明了，抱歉我语言不通。

Answer 1

ID 和类别对实际输入的选择很差，因为它们不是连续的，而且它们的相对大小意义不大。 ID 可能适用于为不同的类别创建单独的网络，但是，考虑到您在此处定义的大量 ID 和类别，这意味着您有大量的单独网络，需要大量的训练数据，因为它会被严重稀释。二元分类(如性别)可能有效，但任何超过一个类别的分类都可能不会产生好的结果。

对神经网络要非常小心，因为给定一个足够大的网络，您可以创建一些看起来可以提供预测的东西，但在训练集之外这实际上毫无意义。确保您有一个不参与训练的大型验证集。