machine-learning - 如何让机器学习程序学会如何自行计算平均值

Question

例如

• 输入1 = [1,2,3] 预期输出= 2
• 输入2 = [4,5,6] 预期输出= 5
• 输入3 = [9,10,11,12] 预期输出= 10.5
• 输入4 = [10,90,8,400,500,62,777,79,81] 预期输出= 223
• 输入5 = [100,2,3,10, 30,200] 预期输出= 57.5
• 等等

是否有用于此类问题的通用机器学习算法？

有没有办法可以使用输入列表作为唯一的输入并使程序接近有意义的结果？

我是机器学习新手，我当前的方法是在线性回归模型中使用每个列表的总和 (x1) 和列表中的总数 (x2)。但这种方式不会“按原样”使用列表作为输入。

Answer 1

回答关于平均值的问题:样本平均值问题可能是机器学习中最古老的问题之一(如果不是最古老的话)( Gauss-Markov theorem )。解决方案是所有权重具有相等值的线性回归(1/N，其中 N 是数据点的数量)。

话虽这么说，我很欣赏你的问题，因为它导致了机器学习背景下的“可扩展性”。这意味着一旦您通过高斯马尔可夫了解了平均值的答案，您就可以引入输入的非线性函数并寻找最佳解决方案(例如，单层前馈神经网络)。所以，我喜欢你这样学习机器学习的方法。坚持下去。