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“健康分数”(即该条目有多“好”)。

而且，我想构建/查找近似函数(“健身得分”取决于这 8 个参数)。不仅这个函数的数学表示对我来说没问题，而且任何实现(如神经网络)都会为我的任意(新)条目提供合理的“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。然而，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变异，“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:在我的例子中，有哪些方法可以改进搜索近似函数？除了NN和GA还有其他方法吗？

谢谢。

Answer 1

这样的方法有几十种，因为你的问题只是回归。只需谷歌搜索此类方法，这确实太广泛了，甚至无法在这里列出。除此之外，您还拥有:

• 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，即使是神经网络本身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。