0

我有很多数据条目,每个条目由 8(八)个数字组成。

对于每个条目,我都知道“健身分数”(即这个条目有多“好”)。

而且,我想构建/查找近似函数(“适应度分数”取决于这 8 个参数)。不仅这个函数的数学表示对我来说是可以的,而且任何实现(如 NN)都会给我任意(新)条目的合理“适应度分数”。

我尝试了神经网络(Encog 库)和遗传方法(Watchmaker 库)。第二种方法给了我比 NN 更好的结果。但是,我将近似函数表示为八个“a * pow(x, b)”分量的总和,其中“a”和“b”由 GA 突变,“x”是数据输入的参数。尽管事实上我在 GA 的帮助下取得了一些积极的成果,但显然这不是最好的方法。

所以,问题是:在我的情况下,改进搜索逼近函数的方法是什么?除了 NN 和 GA 还有其他方法吗?

谢谢。

4

1 回答 1

2

有几十种这样的方法,因为你的问题只是回归。只是谷歌这些方法,这真的很广泛,甚至在这里列出。其中,您有:

  • k-nn 回归
  • 回归树
  • 支持向量回归
  • 岭回归
  • ...

除了其他方法 - 请记住,即使单独的神经网络也是非常复杂的对象,具有许多参数和公式,因此为了获得良好的结果,您需要花费大量时间来调整它们。

于 2013-10-21T11:01:47.413 回答