我有这种形式的数据:最合适的AI参数加权?
[(v1, A1, B1), (v2, A2, B2), (v3, A3, B3), ...]
的v
小号对应于数据元素和A
S和B
s至数值表征v
秒。
查看此数据的人可以查看它,并根据A
和B
值查看哪个元组似乎是最佳“匹配”。我想要一种AI的形式,我可以通过选择这些元组中的一个作为最佳来训练,并且将调整给予A
和B
的权重。
基本上,每个元组表示一个近似值。 A
表示错误,B
表示每个近似的复杂度。我希望通过分配不同的权重来在错误和复杂性之间做出妥协。我想用不同的近似值进行几次试验,并选择我认为看起来最好的试验,并让AI相应地调整权重。
你想“匹配”什么?这听起来像你想要某种贝叶斯机器学习,但没有额外的细节我不能真正帮助太多。请提供一些关于您的问题的背景知识,以及您尝试实现的目标。 – 2013-03-23 04:27:13
啊,好的。基本上,每个元组表示一个近似值。“A”表示一个错误,“B”表示每个近似的复杂度。我希望通过分配不同的权重来在错误和复杂性之间做出妥协。我想用不同的近似值进行几次试验,并选择我认为看起来最好的试验,并让AI相应地调整权重。 – Hypercube 2013-03-23 04:41:23