基于PCA的神经网络在文交股票市场中的应用

对于复杂问题和具有高维输入变量的问题,直接使用神经网络进行分析预测,会使网络规模增大,运算时间增加,网络的收敛性降低。另外,由于数据冗余等因素,也使预测准确率降低。为了提高预测准确率,提出了基于主成份分析(PCA)和BP神经网络的预测模型,利用主成分分析对输入变量降维,减少BP神经网络的输入维数,然后利用BP神经网络进行建模预测。利用模型对某文化艺术品交易中新的数据进行验证性测试和分析,结果表明,基于PCA的BP神经网络预测精度明显提高。