1.一种前馈全连接神经网络预测工程项目投标报价的方法,其特征在于,包括:
将原始数据分成训练数据和测试数据两部分,对训练数据中的限价数据进行标准化处理;
以训练数据中的项目限价为输入,训练数据中的项目报价为输出,建立前馈全连接神经网络回归模型;
选用k折交叉验证对模型进行评估,得到k折交叉验证结果,并在每次评估后调整模型的参数以重新进行评估;
绘制准确率图像,找出拐点,进行早停,其中准确率图像是以模型训练的轮次为横坐标,各轮次中的k折交叉验证结果为纵坐标绘制的;
用调整好的模型对测试数据进行测试,并对实际工程项目的报价做预测。
2.根据权利要求1所述的方法,其特征在于,对训练数据中的限价数据进行标准化处理,包括:
将训练数据中的限价数据转换为均值为0,标准差为1的标准数据。
3.根据权利要求1所述的方法,其特征在于,所述前馈全连接神经网络回归模型选用rmsprop作为优化器,模型预测报价与真实报价的均方误差为损失函数,平均绝对误差为监控指标。
4.根据权利要求1所述的方法,其特征在于,选用k折交叉验证对模型进行评估,包括:
将训练数据划分为4个分区,实例化4个相同的模型,将每个模型在3个分区上训练,并在剩下的一个分区上进行评估,得到4个验证分数,并以4个验证分数的平均值做为模型的验证分数。
5.根据权利要求1所述的方法,其特征在于,调整模型的参数采用以下一种或几种方式:
添加dropout;
改变神经网络的架构,添加或减少层数;
添加l1或l2正则化,或同时添加l1和l2正则化;
改变模型的超参数。