logo标签列表

基础机器学习

javamachine-learning
6

我正在开发一个工具，需要根据多个变量的组合来预测变量的值。

实现需要使用Java编程语言。

谢谢。

6
这是作业吗？ - Hery
不要笑，我的问题很抽象...我需要一个点子来开始我的工作... - Rahim
2
我强烈建议您查看Weka（http://www.cs.waikato.ac.nz/ml/weka/）- 这是一个基于Java非常好的机器学习工具。 - mikera
如果没有更多的细节，你所得到的建议对于你具体的任务来说可能不是非常有用的。 - Cerin
9个回答
6

有一门关于机器学习的斯坦福公开课程，其中包括视频讲座等。
请点击这里查看。

4
如果你想从简单的东西开始，可以考虑使用准线性模型，例如逻辑回归或线性判别分析：它们易于理解，并且在互联网上有大量的代码。此外，还可以考虑一些更简单的（单节点）神经模型（感知器、Delta规则等）：它们非常容易编程。如果你想深入学习，我建议购买一本书，如Weiss和Kulikowski的《学习计算机系统》。
3
2
Weka适合您的需求。它具有回归，并且是用Java实现的。
2
如果要预测的变量是连续的，那么回归模型就是关键。包括最小二乘法、多项式模型、人工神经网络和支持向量机等多种回归技术。当然，每种技术都可能有其假设或参数。
MATLAB是一个文档完备的计算环境之一。我建议访问 MATLAB 文档中关于非线性回归的以下页面：http://www.mathworks.com/help/stats/nonlinear-regression-1.html#btcgzas-1 您可以从使用全局搜索方法（如遗传算法）开始，来调整给定多项式回归模型的参数。
对于预测离散变量，可以应用上述列出的回归模型，只需给定阈值即可。决策树也是一个不错的选择。
2

我建议从K-最近邻算法开始学习 - 它们是最简单的 - 可以尝试不同的数据预处理、距离度量等方法。它们也可以得出非常好的（虽然非常缓慢的）预测结果。

1

看起来多元线性回归应该能胜任这项工作。

0
在深入研究代码之前，由于您是初学者，我建议您先了解基础知识并掌握它。您不需要阅读博士论文，但至少了解SVM、逻辑回归和神经网络的基本术语会很有帮助。互联网上有大量材料可供参考，包括斯坦福大学、Coursera课程和其他答案中推荐的书籍。
即使互联网上有现成的代码可供使用，我之所以说您需要了解基础知识，是因为在典型的分类器（如SVM、神经网络甚至逻辑回归）中，有各种参数需要调整，如果没有对基础知识的理解，使用这些软件包将会很困难和混乱。当我还是个初学者时，我也有同样的经历。
掌握如何处理SVM中的偏斜数据集、如何调整逻辑回归的参数以及如何减少数据集的维数，将使您的实现更快、更高效，从而获得更好的准确性。否则，直接深入代码可能会让您再次提出一些基本问题。希望这对您有所帮助！
0
如果这是一个回归问题，我建议您从Matlab中的逻辑回归或线性回归等方面开始。有许多库和代码可供使用。通过这种方式，首先测试并比较样本内误差（来自您考虑用于生产的数据）和样本外误差（将您的预测与未考虑进行预测的数据进行比较），以确定所需的特征数量、顺序和训练数据量。如果训练数据较少，则使用较少的特征或正则化。如果特征的数量和顺序非常大且难以确定，则转向神经网络或SVM（请查看是否有Java的SVM库），当您在Matlab中拥有完美的系统后，再将其部署到Java中。
就我所见，机器学习系统在实际使用前需要进行大量手动微调，而像Matlab / Octave这样的环境是进行微调的最佳平台。
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接