machine-learning - 对于给定的数据样本，什么是正确的学习技术

Question

我在 matlab 工作。

我有两个不相关变量在256个时间步长的数据样本。它们的 Y 轴上的值和 X 轴上的时间步长的图如下。第一个变量的典型图为 Pos 为

第二个变量的典型图例如 Vel 为

现在我需要预测这些变量在接下来的 10 个时间步长的值。为了检查各种机器学习技术来实现这一点，我在第一个 246 个时间步长处获取变量值，预测接下来的 10 个时间步长，然后将它们与它们的值进行比较通过计算均方误差来计算实际值，例如 ms_error。

我使用时间序列(NAR)、线性回归、模糊输入系统、神经网络来完成此操作。但这些都无法使 ms_error 的值小于 2。有人可以建议一种学习算法来预测这两个数据样本的 future 值吗？

Answer 1

您可以尝试通过遗传编程进行符号回归。

Genetic Programing不对适合您的数据点的函数结构做出任何假设，因此它非常适合此类发现任务。

Symbolic regression是 GP 最早的应用之一，并且一直是 widely studied .

每种主要编程语言都有许多现成的环境，并且有许多关于该主题的教程，例如

• C++:Beagle
• Java:ECJ
• Matlab:GPTIPS -GPLAB
• Python:DEAP

(我并不是说这些是最好的，只是众所周知。当然，Google 搜索可以找到其他更适合您需求的软件)。