寻找预测的最佳权重的算法

Question

考虑我有以下权重和定量参数：w_1..w_n, p_1..p_n. 0 <= w <= 1。我还有一系列参数和相关值的案例。

存在哪些算法可以找到最佳权重，以最大限度地减少给定参数的值预测误差？什么算法通常能取得最好的结果？

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衡量质量。

50 个人对苹果的评分从 1 到 5 不等，我知道所有这些苹果都是 p_1 和 p_2。如何预测和找到 p_1 和 p_2 的权重，以最大限度地减少案例中的总错误？

Answer 1

我同意您应该对“线性回归”进行网络搜索的评论。我想到了至少三个其他算法列表来源：

1. NLopt：http://ab-initio.mit.edu/wiki/index.php/NLopt_Algorithms（以及我的 C# 包装器：https://github.com/BrannonKing/NLoptNet）

2. S。博伊德的书：http://stanford.edu/~boyd/cvxbook/

3. 您可能会使用有监督的 AI 算法。神经网络通常由“权重”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。