考虑我有以下权重和定量参数:w_1..w_n, p_1..p_n. 0 <= w <= 1
。我还有一些参数和相关值的案例。
有哪些算法可以找到最佳权重,以最大限度地减少预测给定参数值的误差?什么算法通常可以获得最佳效果?
我尝试根据参数p_1=transport _time
,p_2=days_since_picking
预测苹果的质量。使用主观的Likert量表来衡量质量。
有50个人对苹果评分为1到5分,我知道所有这些苹果都是p_1
和p_2
。如何预测和查找p_1
和p_2
的权重,以最大限度地减少案例中的总错误?
答案 0 :(得分:1)
我同意你应该在&#34;线性回归&#34;上运行网络搜索的评论。我们至少会想到三个算法列表的其他来源:
NLopt:http://ab-initio.mit.edu/wiki/index.php/NLopt_Algorithms(以及我的C#包装器:https://github.com/BrannonKing/NLoptNet)
S上。博伊德的书:http://stanford.edu/~boyd/cvxbook/
您可以使用受监督的AI算法。神经网络通常由&#34;权重&#34;:https://en.wikipedia.org/wiki/Supervised_learning
您还可以将遗传算法与格雷码重量编码结合使用。