0

過去数年間 (2005 ～ 2007 年) のパフォーマンスに基づいて、さまざまなクリケット選手 (2008 年) のランキングを提供するトレーニング データセットがあります。

このデータを使用してモデルを開発し、それを別のデータセットに適用して、既に提供されているデータ (2009-2011) を使用してプレーヤー (2012) のランキングを予測する必要があります。

これに最適な予測モデリングはどれですか? さまざまな形式の回帰またはニューラル ネットワークを使用することの長所と短所は何ですか?

4

2 に答える 2

2

使用するモデルのタイプは、さまざまな要因によって異なります。

  • データ量: データが非常に少ない場合は、線形回帰などの単純な予測モデルを選択することをお勧めします。強力すぎる予測モデルを使用すると、モデルが過剰に適合するリスクが発生し、新しいデータが一般化されてしまいます。リトルデータとは何ですか？これは、入力次元の数と、データの基になる分布によって異なります。
  • モデルの経験。ニューラル ネットワークは、経験がほとんどない場合、扱いが非常に難しい場合があります。ネットワーク層の構造、反復回数、学習率、モメンタム項など、最適化すべきパラメータはかなりあります。この「メタ最適化」に関しては、線形予測の方が処理がはるかに簡単です。

それでもいずれかの方法を選択できない場合、実用的なアプローチは、いくつかの異なる予測方法を評価することです。すでに目標値があるデータ (2008 年のデータ) の一部を取得し、それをトレーニング データとテスト データに分割し (たとえば、テスト データとして 10% を取得)、クロス検証を使用してトレーニングとテストを行い、エラー率を次のように計算します。予測値をすでに持っている目標値と比較します。

C. Bishop による「パターン認識と機械学習」という素晴らしい本も Web 上にあります。予測モデルに関する優れた紹介セクションがあります。

于 2013-09-14T09:18:31.717 に答える