寻找最佳预测权重的算法
Algorithm for finding the optimal weights for prediction
假设我有以下权重和定量参数：w_1..w_n, p_1..p_n. 0 <= w <= 1。我还有一些参数和关联值的案例。
有哪些算法可以找到最佳权重，从而最大限度地减少在给定参数的情况下预测值的误差？哪些算法通常取得了最好的结果？
我尝试根据参数 p_1=transport _time、p_2=days_since_picking 来预测苹果的质量。使用主观李克特量表来衡量质量。
50 个人给苹果评分从 1 到 5，我知道所有这些苹果的 p_1 和 p_2。我如何预测和找到 p_1 和 p_2 的权重以最小化案例中的总误差？
我同意您应该 运行 在 "linear regression" 上进行网络搜索的评论。想到至少三个算法列表的其他来源：
NLopt: http://ab-initio.mit.edu/wiki/index.php/NLopt_Algorithms (and my C# wrapper for it: https://github.com/BrannonKing/NLoptNet)
S。 Boyd 的书：http://stanford.edu/~boyd/cvxbook/
您可能会使用受监督的 AI 算法。神经网络通常由 "weights" 组成：https://en.wikipedia.org/wiki/Supervised_learning
您还可以将遗传算法与格雷码权重编码结合使用。
假设我有以下权重和定量参数：w_1..w_n, p_1..p_n. 0 <= w <= 1。我还有一些参数和关联值的案例。
有哪些算法可以找到最佳权重，从而最大限度地减少在给定参数的情况下预测值的误差？哪些算法通常取得了最好的结果？
我尝试根据参数 p_1=transport _time、p_2=days_since_picking 来预测苹果的质量。使用主观李克特量表来衡量质量。
50 个人给苹果评分从 1 到 5，我知道所有这些苹果的 p_1 和 p_2。我如何预测和找到 p_1 和 p_2 的权重以最小化案例中的总误差？
我同意您应该 运行 在 "linear regression" 上进行网络搜索的评论。想到至少三个算法列表的其他来源：
NLopt: http://ab-initio.mit.edu/wiki/index.php/NLopt_Algorithms (and my C# wrapper for it: https://github.com/BrannonKing/NLoptNet)
S。 Boyd 的书：http://stanford.edu/~boyd/cvxbook/
您可能会使用受监督的 AI 算法。神经网络通常由 "weights" 组成：https://en.wikipedia.org/wiki/Supervised_learning
您还可以将遗传算法与格雷码权重编码结合使用。