用机器学习映射工厂

Question

工厂的数据集根据数字输入生成某些数字输出。数据集包含每15分钟几年的输入值和输出值。

由于在软件中对系统的物理属性进行建模太昂贵，我想创建一个具有机器学习的模型，该模型与系统一样。输入输入时，模型应提供输出。

对于解决方案，我测试了前馈神经网络。结果还可以，但在某些情况下太不准确了。

此问题可以使用哪些其他方法？

Answer 1

如果是时间序列任务，您可以使用神经网络或LSTM网络的NARX架构。后来就像NARX一个反复出现的神经网络。 Matlab提供了第一个实现。

https://en.m.wikipedia.org/wiki/Nonlinear_autoregressive_exogenous_model

https://en.m.wikipedia.org/wiki/Long_short-term_memory

如果您＆＃34;简单地＆＃34;想要将多项式拟合到数据中，可以使用不同程度多项式的基本线性回归来查看哪一个最佳。 注意：它不称为线性，因为它只能适合线性模型。

https://en.m.wikipedia.org/wiki/Linear_regression

其他一些可能性是内核方法，如内核岭回归或SVR。后来基于支持向量机，它通常表现很好（至少从我的个人经验中分类）。 如果你想尝试SVR，你可以使用一个名为libSVM的小而好的lib。 Matlab也提供了这个。

以下链接显示了此算法的比较：

http://scikit-learn.org/stable/auto_examples/plot_kernel_ridge_regression.html

修改：如果我理解正确，那么如果您想要预测给定时间t+1的未来时间t的输出，那么它就是时间序列任务}。试试NARX模型或LSTM网络。