分离和模式匹配技术

Question

我是人工神经网络的新手。

我对这样的应用感兴趣：

我有一大堆对象。每个对象有六个属性，由P1-P6表示。每个属性都有一个符号值。换句话说，在我的示例中，P1-P6可以具有来自集合{A，B，C，D，E，F}的值。它们不是数字。 （假设A，B，C，D，E，F是颜色;那么你就会理解我的想法。）

现在，我感兴趣的是另一个属性R.假设

  

R = {G1，G2，G3，G4，G5}

我需要为大量的P1-P6和相关的R训练一个系统。现在我想做以下几点。

  

  

1. 我有一个对象，我知道P1到P6的值。我需要找到   R（对象所属的组）。

  

2. 要获得所需的R，我需要在P1-P6中使用的模式是什么。   作为一个例子，假设R = G2，我需要弄清楚P1-P6中的任何模式。

  

我的问题是：

  

  

1. 我应该阅读的理论/技术/技术是什么？   学习以分别实现1和2？

  

2. 您可以推荐哪些工具/库来实现此目的   模拟/执行/测试？

  

Answer 1

您描述问题的方式，您需要查找各种机器学习技巧。如果是我，我会尝试阅读关于k-NN（k Nearest Neighbors）的分类。当我说分类时，我的意思是如果你知道P1-P6就得到R.这是一种非常简单的技术，应该对此有所帮助。

至于另一种方式，你基本上需要的是你的人口的代表性样本。这是我认为不常见的，但你可以尝试类似k-means聚类的东西。聚类方法通常自己确定一个对象的类（属性R），但是k-means聚集在这种情况下很酷，因为你需要给它一些对象类的数量（例如R的不同可能值），最后你得到一个代表性的样本。

在我看来，你绝对不应该选择任何非常复杂的技术（比如神经网络），因为你的数据没有精确的数值解释，并且数值无法逐渐解释。

推荐的工具实际上取决于您的基本编程语言。有一个很棒的工具叫做Orange，它是基于Python的，它是我选择这类工具的工具（特别是因为用C / C ++连接你的Python模块真的很容易）。如果您更喜欢Java，那么可以使用一个名为Weka的非常相似的工具。我认为Weka有更好的记录，但我不喜欢Java，所以我从未尝试过。

这两个工具都有一个图形可点击界面，您可以在其中加载数据并完成分类，使用参数并检查使用不同技术和不同设置获得的输出类型。一旦你决定得到你需要的结果（或者如果你不喜欢图形界面），你也可以在编程时使用它们作为一种类型的库（Python for Orange和Java for Weka）并使分类成为一个更大的项目的一部分。

如果你浏览一下Orange或Weka的文档，我想它会给你一些关于你可以用你拥有的数据做什么的想法，以及当你知道一些看起来很有趣但适用于数据，也许你可以在这里获得更多关于一些特定方法的质量评论和信息，而不仅仅是在寻找一般建议时。

Answer 2

你应该看看classification algorithms（人工智能的一个小节），特别是最近邻算法。您的问题可以通过不同的技术来解决，这些技术都有不同的优点和缺点。

但是，我不知道人工智能中的任何方法，它允许双向分类（换句话说，它们同时实现你的先决条件1和2）。因为到目前为止你想做的就是具有P1..P6＆lt; =＆gt;的双向映射。 R，我建议只使用映射表而不是人工智能算法。如果您不确切知道哪个样本在P1..P6中被归类为A..E，那么人工智能会很有效。

如果你坚持使用人工智能，我建议先看一下Perceptron。感知器由输入，中间和输出神经元组成。对于你的例子，你有输入神经元P1a..P1e，P2a..P2e，......和五个输出神经元R1..R5。训练结束后，您应该能够输入P1..P6并获得相应的R1..R5作为输出。

至于框架和技术，我只知道Visual Studio的商业智能套件，尽管有很多其他的AI框架。由于我没有使用它们（我总是用C / C ++编写它们），所以我不推荐任何。

Answer 3

这似乎是典型的分类问题。如果您真的有很多数据，请查看Apache Mahout，它提供机器学习算法的分布式实现。如果你需要一些不那么复杂的原型设计TimBL是一个不错的选择。