我一直在搞乱aforge时间序列遗传算法样本，而且我有自己的版本工作，因为它只是'预测'斐波那契数字。
问题是当我要求它预测我给出的数组之外的新值（包含序列的前21个数字，使用5的窗口大小）它不会这样做，它抛出一个例外情况“数据大小应足以进行窗口和预测”。
据我所知，我应该破译“population.BestChromosome”中包含的奇异公式并用它来推断未来的值，是吗？有没有更简单的方法？我是否忽视了一些非常明显的东西？
我会在aforge论坛上询问，但开发人员不再支持它了。
答案 0 :(得分：0)
据我所知，我应该破译这个奇怪的公式 包含在＆＃34; population.BestChromosome＆＃34;并用它来推断 未来的价值观，是吗？
你称之为＆＃34;奇怪的公式＆＃34;在数据分析中称为模型。您可以从过去的数据中学习这样的模型，并且可以为其提供新数据以获得预测结果。新结果是否有意义或仅仅是垃圾取决于您的模型的一般程度。许多技术可以学习非常好的模型，可以非常好地解释观察到的数据，但是当您将新数据输入模型时，这些模型不具有推广性并且会返回无用的结果。您需要找到既能解释给定数据的模型，也能找到可能未被观察到的数据，这是一个非常重要的过程。通常人们通过将已知数据分成两个分区来估计该模型的泛化错误：一个用于学习模型，另一个用于测试学习模型。然后，您需要选择对两个数据都准确的模型。您还可以查看我在此处提出的另一个问题的答案，该问题也涉及机器学习主题：https://stackoverflow.com/a/3764893/189767
我不认为你“忽略了一些非常明显的事情”，而是你面临着一个不容易解决的问题。
顺便说一句，你也可以在HeuristicLab中使用遗传编程（GP）。 GP的模型是一个数学公式，在HeuristicLab中，您可以将该模型导出到例如MatLab的。
Ad Fibonacci，Fibonacci数的闭合公式是F（n）=（phi ^ n - psi ^ n）/ sqrt（5）其中phi和psi是根据维基百科的特殊幻数。如果你想用GP找到它，你需要一个变量（n），三个常数和幂函数。但是，您很可能会发现输出相似的公式非常不同。机器学习的问题在于，非常不同的模型可以产生相同的输出。递归形式要求您将过去两个n的值包含在数据集中。这类似于学习时间序列回归问题的模型。