machine-learning - 该任务的机器学习算法？

Question

尝试编写一些处理此任务的代码:

• 作为起点，我有大约 20 个“配置文件”(想象一个横向配置文件)，即包含大约 1000 个实际值的一维数组。
• 每个配置文件都有一个真正有值(value)的期望结果，即“有效高度”。
• 有效高度是某种平均值，但峰的高度、宽度和位置起着特殊的作用。
• 我的目标是根据输入数据进行归纳，以便计算出进一步轮廓的有效高度。

是否有可以提供帮助的机器学习算法或原理？

Answer 1

原则 1:提取最重要的特征，而不是提供所有内容

正如您所说，“有效高度是某种平均值，但峰的高度、宽度和位置起着特殊的作用。”因此您有一个强有力的先验假设

原则2:选择学习算法时，首先要关心的是线性可分性

假设高度是这些测量值的函数，那么您必须考虑该函数的线性程度。例如，如果函数几乎是线性的，那么一个非常简单的感知器将是完美的。否则，如果它远离线性，您可能需要选择多层神经网络。如果它离线性还很远......请转向原则 1，并检查您是否提取了正确的特征。

原则 3:更多数据帮助

正如您所说，您有大约 20 个“配置文件”用于培训。一般来说，这还不够。几乎所有机器学习算法都是为某种大数据而设计的。甚至他们声称他们的算法擅长学习小样本，但通常不会小到 20。获取更多数据!