基本的机器学习

Question

我是机器学习的新手...我正在开发一个工具，其中我需要根据多个变量的组合来预测变量的值....实现需要在Java中。 ..

Plz帮助...

...谢谢

Answer 1

有一个很好的斯坦福开放课程，关于机器学习与视频讲座等 看看here。

Answer 2

如果你想从简单的事情开始，可以考虑一个准线性模型，比如逻辑回归或线性判别分析：它们很容易理解，并且在整个互联网上都有代码。还要考虑一些更简单的（单节点）神经模型（感知器，delta规则等）：它们非常容易编程。如果你想追求这个，我建议你买一本书，比如Weiss和Kulikowski的“学习计算机系统”。

Answer 3

也许您可以从维基百科中搜索各种classification algorithms，例如k-nearest-neighbour，SVM或neural network

Answer 4

我也从K-Nearest-Neighbors开始 - 它们最简单 - 可以尝试不同的数据预处理，距离测量等。它们也会导致非常好（虽然非常慢）的预测。

Answer 5

如果要预测的变量是连续变量，则回归模型是关键。 许多回归技术包括最小二乘法，多项式模型，ANN和SVM。 当然，每种技术都可能有其假设或参数。

MATLAB是一个记录良好的计算环境之一。 我建议访问关于非线性回归的MATLAB文档的以下页面： http://www.mathworks.com/help/stats/nonlinear-regression-1.html#btcgzas-1

您可以先使用遗传算法GA等全局搜索方法来调整给定多项式回归模型的参数。

对于预测离散变量，也可以在给定阈值的情况下应用列出的回归模型。决策树可以是一个很好的选择。

Answer 6

Weka符合您的需求。它有回归并用Java实现。

Answer 7

听起来像多变量线性回归就可以完成这项工作。

Answer 8

在深入研究代码之前，由于您是初学者，我建议您阅读基础知识，并对此有所了解。您无需阅读博士论文，但至少SVM，Logistic回归和神经网络的基本术语会有所帮助。通过斯坦福大学，Coursera课程和其他答案中建议的书籍，互联网上有大量的资料。

即使有现成的代码供您在互联网上使用，我之所以说您需要阅读基础知识是因为在典型的分类器中，例如SVM，神经网络甚至Logistic回归，您需要调整的各种参数，如果不了解基础知识，使用这些软件包将会很困难和令人困惑。我初学者时经历过同样的经历。

强烈关注如何处理SVM中的偏斜数据集，如何调整Logistic回归的参数，甚至如何减少数据集的维度，这将使您的实现更快更有效 - 你可以获得更好的准确性。否则，直接进入代码可能会让您再次回到这里并提出一些基本问题。我希望这很有帮助！

Answer 9

如果这是一个回归问题，我建议你从Matlab中的逻辑或线性回归开始。有库，您可以获得它的代码。通过这种方式，首先通过比较样本内错误（来自您考虑用于生产的数据）和样本外错误（以测试您的预测与未考虑用于进行这些预测的数据）的数量和顺序来进行测试和查找您需要的功能和培训数据量。如果训练数据较少，请使用较少的功能或正则化。如果要素的数量和顺序非常大并且难以确定，请转移到中性网络或SVM（如果有java的SVM库，请参阅），当您在Matlab中拥有完美的系统时，请将其部署在Java中。 据我所知，ML系统在适合实际使用之前需要进行一些手动微调，而Matlab / Ocatve等环境是这种微调的最佳平台。