Ticarette makine öğrenimi: teori, pratik, ticaret ve daha fazlası - sayfa 2454

Yeni yorum
 
mytarmailS # :

Bu sadece beş için, bu yeni bir paket, adın kendisi mt 5 R

Evet, anlıyorum, sadece çok amaçlı optimizasyona ihtiyacım vardı

Basit uygunluk fonksiyonum, algoritma açısından minimum olan bir vektördeki bir noktanın indeksini arar.

İdeal olarak algoritma iki indeks üretmelidir, bu iki indeks vektördeki minimum değerlerin indeksleri olacaktır.

Bir vektörde iki minimum veya iki vektörde bir minimum aramanın hiçbir fark olmadığını düşündüm.

Basit kondisyonum bir tür sorunumun modeli değil, algoritmaların en basit ve görsel karşılaştırmasını kendim için yapmak istedim.

Fitness fonksiyonunuz ne yapıyor? kod anlaşılır görünüyor, her şeyi biliyorum ama bir şeyin özünü anlayamıyorum)

Bu sizin örneğiniz ve fitness fonksiyonunuzdur. Vektörlerde ekstremumları aramak için başka birçok yöntem vardır. Sorunu kendiniz için net bir şekilde formüle ediyorsunuz. Sonra karar gelecek.

Ben sadece bu paketlerin sorununuzu çözmediğini gösterdim.

İyi şanlar

 
Vladimir Perervenko # :

Bu sizin örneğiniz ve fitness fonksiyonunuzdur. Vektörlerde ekstremumları aramak için başka birçok yöntem vardır. Sorunu kendiniz için net bir şekilde formüle ediyorsunuz. Sonra karar gelecek.

Ben sadece bu paketlerin sorununuzu çözmediğini gösterdim.

İyi şanlar

Görev , iki tür çok kriterli optimizasyonu hızlı, basit ve net bir şekilde karşılaştırmaktır...

Ekstremi başka şekillerde bulabileceğiniz açıktır, örneğin bir vektör için min () işlevini çağırın, ancak bu konuşma değil

Fonksiyonun ekstremumunu bulmanın (vektörde minimumu bulma) en önemli şey olduğunu düşündüm, dürüst olmak gerekirse, hala birbirimizi bir yerde anlamadığımızı düşünüyorum ..

============

Eh, sıradan genetik en azından sorunsuz 

set.seed( 123 )
x <- cumsum(rnorm( 100 ))

fit <- function(i)  x[ floor (i) ] /- 1  # (/-1) потому что GA максимизирует
library (GA)
GA <- ga(type = "real-valued" , 
         fitness =  fit,
         lower = 1 , upper = length(x) , 
         popSize = 50 , maxiter = 100 )
id <- c( floor (tail(GA@solution, 1 )))

plot(x,t= "l" )
points(id,x[id],col= 2 ,lwd= 5 )


==============================

Çok kriterli optimizasyon için aynı şeyi yapmamızı engelleyen şey, sadece bir nokta değil, birkaç nokta arıyoruz.

Ek olarak, "mco" (genetik) bununla fena değil, ancak "GPareto" (Gausian optim.) teorik olarak en zeki veya başka bir şey gibi görünse de, "merhaba değil" bir şeydir.

 

En bodur ayarlarda bile genetiğin bir çözüm bulması şaşırtıcı.

nüfus - 10 kişi,

yinelemeler - 10,

veri 1 milyon puan.

Algoritmanın verilerle etkileşim kurmak için yalnızca 100 denemesi (10*10) vardır ve iyi bir çözüm bulur

harika

 
mytarmailS # :

Görev , iki tür çok kriterli optimizasyonu hızlı, basit ve net bir şekilde karşılaştırmaktır...

Adam veya SGD, herhangi bir MO paketinden alır
 
Maksim Dmitrievski # :
Adam veya SGD, herhangi bir MO paketinden alır

Tam olarak bunları karşılaştırmak istedim, bunlar çok kriterli optimizasyon için

adam , ve "herhangi bir MO paketinden" bile kesinlikle çok kriterli değil

Algoritma seçiminde bir sorunum yok)) tam tersine bu sizin için bir piton değil)))

 
mytarmailS # :

Görev , iki tür çok kriterli optimizasyonu hızlı, basit ve net bir şekilde karşılaştırmaktır...

Ekstremi başka şekillerde bulabileceğiniz açıktır, örneğin bir vektör için min () işlevini çağırın, ancak bu konuşma değil

Fonksiyonun ekstremumunu bulmanın (vektörde minimumu bulma) en önemli şey olduğunu düşündüm, dürüst olmak gerekirse, hala birbirimizi bir yerde anlamadığımızı düşünüyorum ..

============

Eh, sıradan genetik en azından sorunsuz


==============================

Çok kriterli optimizasyon için aynı şeyi yapmamızı engelleyen şey, sadece bir nokta değil, birkaç nokta arıyoruz.

Ek olarak, "mco" (genetik) bununla fena değil, ancak "GPareto" (Gausian optim.) teorik olarak en zeki veya başka bir şey gibi görünse de, "merhaba değil" bir şeydir.

Muhtemelen ÇOK KRİTERLİ OPTİMİZASYON terimini tam olarak anlamıyorsunuz. Bu aynı anda birkaç kritere göre optimizasyondur. Örneğin: bir sinir ağının çalışmasının sonucu olarak bir denge eğrimiz var. Maksimum bakiye veya minimum düşüş için optimize edebiliriz. Hem denge hem de düşüş açısından aynı anda optimize etmemiz gerekirse, bu çok kriterli optimizasyon olacaktır. Bir kriteriniz var - fonksiyonun minimumu, bu fonksiyonun tüm minimumlarını bulun ve ihtiyacınız olanları seçin.

İyi şanlar

 
Vladimir Perervenko # :

Muhtemelen ÇOK KRİTERLİ OPTİMİZASYON terimini tam olarak anlamıyorsunuz. Bu aynı anda birkaç kritere göre optimizasyondur. Örneğin: sinir ağının çalışması sonucu bir denge eğrimiz var. Maksimum bakiye veya minimum düşüş için optimize edebiliriz. Hem denge hem de düşüş açısından aynı anda optimize etmemiz gerekirse, bu çok kriterli optimizasyon olacaktır. Bir kriteriniz var - fonksiyonun minimumu, bu fonksiyonun tüm minimumlarını bulun ve ihtiyacınız olanları seçin.

İyi şanlar

Evet her şeyi anlıyorum birbirimizi anlamıyoruz ama yine de açıklama için teşekkürler ..

 
mytarmailS # :

Evet her şeyi anlıyorum birbirimizi anlamıyoruz ama yine de açıklama için teşekkürler ..

Kabul ediyorum. Benim için zevkti.

 
Andrey Dik # :

Modülo alınan sinir ağının ağırlıklarının ortalama değeri, eğitiminin kalitesinin bir göstergesi midir?

aynı veriler üzerinde eğitilmiş iki özdeş nöron olduğunu varsayalım, biri 0.87, diğeri 0.23, hangisi daha iyi eğitilmiş?

Ortalama cevap 1'e ne kadar yakınsa, bu uygulamadan o kadar iyidir. Bunun neden böyle olduğunu açıklayamam ama benim için bu iyi bir modelin ana işaretlerinden biri.
 
Böyle bir modelin olduğu gibi daha evrensel olduğunu fark ettim. Test örneğinde aynı sonuçlarla, daha yüksek ortalama yanıtı olan model gerçek hayatta daha iyi çalışır.
1...244724482449245024512452245324542455245624572458245924602461...3399
Yeni yorum