machine-learning - 对于给定的数据样本，什么是正确的学习技术

时间：2014-05-21 05:23:55

标签： machine-learning neural-network time-series fuzzy-logic supervised-learning

我在matlab工作。

我在256个时间步，有两个不相关的变量的数据样本。他们在Y轴上的值和在X轴上的时间步长的图如下所示。第一个变量的典型图表Pos为 enter image description here

第二个变量的典型图表说Vel是 enter image description here

现在我需要在接下来的10时间步骤预测这些变量的值。为了检查各种机器学习技术，我首先在246个时间步骤中获取变量值，预测下一个10时间步长，然后通过计算平均值将它们与实际值进行比较平方误差说ms_error。

我使用time-series(NAR) ,linear regression,fuzzy input systems,neural networks完成了此操作。但这些都不能使ms_error的值小于2。有人可以建议使用学习算法来预测像这两个数据样本的未来值。

答案 0 :(得分：0)

你可以尝试通过遗传编程进行符号回归。

Genetic Programing没有假设适合您的数据点的函数的结构，因此它非常适合这种发现任务。

Symbolic regression是GP最早的申请之一，仍然是widely studied。

每种主要的编程语言都有许多现成的环境，还有很多关于这个主题的教程，例如。

（我并不是说这些是最好的，众所周知。当然谷歌搜索可以提供更适合您需求的其他软件。）