使用机器学习来近似32位函数的最佳技术？

Question

我想知道哪种是最好的机器学习技术来近似一个取32位数的函数并从一组观察中返回另一个32位数。

谢谢！

Answer 1

多层感知器神经网络值得一看。虽然您需要将输入处理为0到1之间的浮点数，然后将输出映射回原始范围。

Answer 2

您的问题有几种可能的解决方案：

1。）用最小二乘法拟合线性假设

在这种情况下，您使用最小二乘法逼近假设y = ax + b。这个很容易实现，但有时，线性模型不足以适合您的数据。但是 - 我先试试这个。

好的是有一个封闭的表格，所以你可以直接从你的数据中计算参数a和b。

请参阅Least Squares

2.。拟合非线性模型

一旦看到您的线性模型没有很好地描述您的函数，您可以尝试将更高的多项式模型拟合到您的数据中。

您的假设可能看起来像

  

y =ax²+ bx + c

     

y =ax³+bx²+ cx + d

等

您还可以使用最小二乘法来拟合数据，并使用梯度下降类型的技术（模拟退火，......）。另请参见此主题：Fitting polynomials to data

或者，正如在另一个答案中那样，尝试拟合神经网络 - 好的是它会自动学习假设，但要解释输入和输出之间的关系并不容易。但最后，神经网络也是非线性函数的线性组合（如sigmoid或tanh函数）。