machine-learning - 寻找依赖于 8 个参数的近似函数

Question

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。

Answer 1

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。