如何在 Java 中创建模糊逻辑规则或模型
How to create Fuzzy Logic rules or model in Java
我在新工作中接到了一个新任务，基本上，我必须创建一个"model"来预测未来的数据。有人告诉我模糊逻辑是执行此操作的最佳方法，我几乎每天都使用 Java，所以我更愿意在这里也使用它。
我搜索了有关模糊逻辑的资料，大致了解了它是什么以及它是如何工作的(Here and Here)。
我也搜索了可以帮助我解决这个问题的API（例如，JFuzzyLogic and JFuzzyLite），但是none似乎可以做我想做的（也可能是我不知道自己在寻找什么）。
我的想法是根据我拥有的数据动态生成 "rules"（它们一起构成一个模型）。 （我有不同结果的数据，这个模型会告诉我新数据是属于一个结果还是另一个，基本预测）。
我处理问题的方式是否正确？ Java API 有没有这个功能？
如有错误请指出，我要尽可能多学习
感谢大家阅读本文（您可能需要纠正我的英语错误，对此深表歉意）。
编辑（更多信息）： 我的数据存储在 excel 中，每个大约有 5000 行和 75 列（列号始终相同）：
- 所有有用的值都是数字（浮点数）（我过滤了其余的）。
- 每一行是一个特定片段的数据，每一列是一个属性（长度、宽度、高度……还有 67 个）。
- 最后一列是一个代码（也是浮点数），说明它是什么类型的作品
- 这就是我要预测的结果。这个想法是根据其他列值预测一个片段将具有什么代码。
这看起来像是一个标准的 regression 问题。您想要根据其他数字的值预测一个数字。
让我们称您的最后一列为 Y，所有其他列为 X_i。你想找到一个函数（你的模型），它根据 X 给你 Y。所以 Y = f(X)。您的模型可以采用多种形式。您可能应该从最简单的一个开始，即线性模型。
线性回归将尝试找到最好的 W_i 使得 :
Y = W_0 * X_0 + W_1 * X_1 + ... + W_n * X_n
所以你需要的是 Java 中的回归库。一个流行的是 WEKA, which has a good linear regression class.
关于模糊逻辑，我不是专家，但它似乎不太适合你的问题。
有一个 Java 模糊匹配算法，我发现它对类似的问题非常有用。我们有一行记录，其中每一列都是不同类型的元素。
https://github.com/intuit/fuzzy-matcher
例如，用户列表，具有（姓名、地址、phone）等属性，并希望预测哪些用户相似，查看输入每个数据的不同格式。
这个库将相似的行组合在一起，并给出相似行的概率分数（通过冒泡每个元素相似的分数）
此库非常适合字符串相似性，但也可用于查找数字数据之间的相似性。我能够传递 phone 个号码的列表，并且能够识别相似的 phone 个号码。
希望这对您有所帮助
你有 74 个输入和 1 个输出。但我担心的是，您想在这里使用哪种类型的模糊逻辑？像 1 型模糊、2 型或直觉模糊或中智模糊？
对于 Zadeh 1975 提出的 1 型模糊的基本模糊，每个输入参数只有一个函数，即隶属函数。通过使用直觉模糊，您将拥有两个函数，即隶属函数和非隶属函数，对于中智模糊，您将拥有三个函数，例如与所有输入参数关联的隶属函数、非隶属函数和不确定函数。在此之后，您将定义 if-then 规则。 If-then 规则通常是输入参数的隶属函数的变量值的乘积，例如，如果您有三个参数并且在 1 型模糊中，那么三个参数的所有隶属函数都包含低、中和高areas 那么您的规则的最大数量将是 27，但并非所有规则都将被定义。有些规则用处不大。所以在你的情况下你有很多规则。然后你需要一个去模糊器来获得清晰的输出。由于输入参数较多，我建议你，因为这是一个老问题，你已经完成了你的工作，所以任何人在相同情况下都必须使用 Type-1 模糊逻辑。
我在新工作中接到了一个新任务，基本上，我必须创建一个"model"来预测未来的数据。有人告诉我模糊逻辑是执行此操作的最佳方法，我几乎每天都使用 Java，所以我更愿意在这里也使用它。
我搜索了有关模糊逻辑的资料，大致了解了它是什么以及它是如何工作的(Here and Here)。
我也搜索了可以帮助我解决这个问题的API（例如，JFuzzyLogic and JFuzzyLite），但是none似乎可以做我想做的（也可能是我不知道自己在寻找什么）。
我的想法是根据我拥有的数据动态生成 "rules"（它们一起构成一个模型）。 （我有不同结果的数据，这个模型会告诉我新数据是属于一个结果还是另一个，基本预测）。
我处理问题的方式是否正确？ Java API 有没有这个功能？
如有错误请指出，我要尽可能多学习
感谢大家阅读本文（您可能需要纠正我的英语错误，对此深表歉意）。
编辑（更多信息）： 我的数据存储在 excel 中，每个大约有 5000 行和 75 列（列号始终相同）：
- 所有有用的值都是数字（浮点数）（我过滤了其余的）。
- 每一行是一个特定片段的数据，每一列是一个属性（长度、宽度、高度……还有 67 个）。
- 最后一列是一个代码（也是浮点数），说明它是什么类型的作品
- 这就是我要预测的结果。这个想法是根据其他列值预测一个片段将具有什么代码。
这看起来像是一个标准的 regression 问题。您想要根据其他数字的值预测一个数字。
让我们称您的最后一列为 Y，所有其他列为 X_i。你想找到一个函数（你的模型），它根据 X 给你 Y。所以 Y = f(X)。您的模型可以采用多种形式。您可能应该从最简单的一个开始，即线性模型。
线性回归将尝试找到最好的 W_i 使得 :
Y = W_0 * X_0 + W_1 * X_1 + ... + W_n * X_n
所以你需要的是 Java 中的回归库。一个流行的是 WEKA, which has a good linear regression class.
关于模糊逻辑，我不是专家，但它似乎不太适合你的问题。
有一个 Java 模糊匹配算法，我发现它对类似的问题非常有用。我们有一行记录，其中每一列都是不同类型的元素。
https://github.com/intuit/fuzzy-matcher
例如，用户列表，具有（姓名、地址、phone）等属性，并希望预测哪些用户相似，查看输入每个数据的不同格式。
这个库将相似的行组合在一起，并给出相似行的概率分数（通过冒泡每个元素相似的分数）
此库非常适合字符串相似性，但也可用于查找数字数据之间的相似性。我能够传递 phone 个号码的列表，并且能够识别相似的 phone 个号码。
希望这对您有所帮助
你有 74 个输入和 1 个输出。但我担心的是，您想在这里使用哪种类型的模糊逻辑？像 1 型模糊、2 型或直觉模糊或中智模糊？ 对于 Zadeh 1975 提出的 1 型模糊的基本模糊，每个输入参数只有一个函数，即隶属函数。通过使用直觉模糊，您将拥有两个函数，即隶属函数和非隶属函数，对于中智模糊，您将拥有三个函数，例如与所有输入参数关联的隶属函数、非隶属函数和不确定函数。在此之后，您将定义 if-then 规则。 If-then 规则通常是输入参数的隶属函数的变量值的乘积，例如，如果您有三个参数并且在 1 型模糊中，那么三个参数的所有隶属函数都包含低、中和高areas 那么您的规则的最大数量将是 27，但并非所有规则都将被定义。有些规则用处不大。所以在你的情况下你有很多规则。然后你需要一个去模糊器来获得清晰的输出。由于输入参数较多，我建议你，因为这是一个老问题，你已经完成了你的工作，所以任何人在相同情况下都必须使用 Type-1 模糊逻辑。