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。