私は aforge 時系列遺伝的アルゴリズムのサンプルをいじっていましたが、自分のバージョンが機能しています。atm はフィボナッチ数を「予測」しているだけです。
問題は、指定した配列 (ウィンドウ サイズ 5 を使用して、シーケンスの最初の 21 個の数字を含む) を超える新しい値を予測するように要求すると、それが実行されず、例外がスローされることです。 「データサイズは、ウィンドウと予測に十分なはずです」。
私が知る限り、「population.BestChromosome」に含まれる奇妙な式を解読し、それを使用して将来の値を推定することになっていますよね? もっと簡単な方法はありますか？私は非常に明白な何かを見落としていますか？
aforge フォーラムで質問したいのですが、開発者はもうサポートしていません。
私が知る限り、「population.BestChromosome」に含まれている奇妙な式を解読し、それを使用して将来の値を推定することになっていますね。
「奇妙な公式」と呼ばれるものは、データ分析のモデルと呼ばれます。過去のデータからそのようなモデルを学び、新しいデータをフィードして予測結果を得ることができます。その新しい結果が理にかなっているのか、それとも単なるゴミであるのかは、モデルがどれだけ一般的であるかによって異なります。多くの手法は、観測されたデータを非常によく説明する非常に優れたモデルを学習できますが、一般化できず、新しいデータをモデルにフィードすると役に立たない結果を返します。与えられたデータと、重要なプロセスである潜在的に観測されていないデータの両方を説明するモデルを見つける必要があります。通常、人々は汎化誤差を推定します既知のデータを2つのパーティションに分割することにより、そのモデルを作成します。1つはモデルが学習され、もう1つは学習されたモデルがテストされます。次に、両方のデータで正確なモデルを選択します。また、機械学習のトピックを扱っている別の質問について私が出した回答を確認することもできます：https ://stackoverflow.com/a/3764893/189767
あなたは「非常に明白な何かを見落としている」とは思いませんが、解決するのは簡単ではない問題に直面しています。
ところで、 HeuristicLabでは遺伝的プログラミング（GP）を使用することもできます。GPのモデルは数式であり、HeuristicLabではそのモデルをMatLabなどにエクスポートできます。
Ad Fibonacci、フィボナッチ数の閉じた式はF（n）=（phi ^ n --psi ^ n）/ sqrt（5）です。ここで、phiとpsiはウィキペディアによると特別な魔法の数です。GPでそれを見つけたい場合は、1つの変数（n）、3つの定数、およびべき関数が必要です。ただし、出力が類似している非常に異なる式を見つける可能性が非常に高くなります。機械学習の問題は、非常に異なるモデルが同じ出力を生成する可能性があることです。再帰形式では、過去2つのnの値をデータセットに含める必要があります。これは、時系列回帰問題のモデルを学習することに似ています。