ある次元nの最適化問題を考えてみましょう。いくつかの線形連立方程式（不等式）または凸領域を形成する入力に対する制約が与えられ、入力（または次元）の線形結合である式の最大値/最小値を見つけます。
より大きな次元の場合、これらの最適化問題は正確な答えを出すのに多くの時間がかかります。
それで、機械学習技術を使用して、より短い時間で近似解を得ることができますか？
このコンテキストで機械学習技術を使用できる場合、トレーニングセットはどのようにすべきですか？
2 に答える
2
「トレーニングセットの大きさはどれくらいにする必要がありますか？」という意味ですか？もしそうなら、それは非常に「文字列の長さ」の質問です。使用するアルゴリズムと、モデル化されるデータを表すのに十分な大きさである必要があります。
于 2011-06-30T12:43:01.680 に答える
1
とにかくこの用語が通常意味するように、これは特に機械学習に焦点を当てているとは思いません。これは、単純な制約付き最適化の問題です。あなたは今、解決策を見つけるのに時間がかかりすぎると言いますが、あなたは問題をどのように解決しようとしているのかについては言及していません。
シンプレックスアルゴリズムはこの種の問題のために設計されていますが、最悪の場合は指数関数的です。それはあなたが試みていることで、時間がかかりすぎていますか？もしそうなら、うまくいくかもしれないメタヒューリスティックがたくさんあります。タブーサーチ、シミュレーテッドアニーリング、進化的アルゴリズム、可変深さ検索、さらには単純なマルチスタートヒルクライマー。エキゾチックなものを試す前に、おそらくそれらの線に沿って何かを試すでしょう。
于 2011-07-01T12:30:18.513 に答える