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!
答案 0 :(得分: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。
答案 1 :(得分:0)
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。
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)。