में रीग्रेशन के लिए यादृच्छिकता मैं आर और यादृच्छिक पैकेज के साथ प्रयोग कर रहा हूं, मुझे एसवीएम और तंत्रिका नेट के साथ कुछ अनुभव है। मेरा पहला परीक्षण कोशिश करना और वापसी करना है: पाप (एक्स) + गाऊशियन शोर। तंत्रिका नेट और एसवीएम के साथ मैं पाप (x) का "अपेक्षाकृत" अच्छा अनुमान प्राप्त करता हूं, इसलिए शोर फ़िल्टर किया जाता है और सीखने वाले एल्गोरिदम अधिक नहीं होते हैं। (सभ्य मानकों के लिए) यादृच्छिक रूप से ऐसा करने पर मेरे पास एक पूरी तरह से अतिरंजित समाधान है। मैं बस का उपयोग (आर 2.14.0, 2.14.1 पर भी कोशिश की, सिर्फ मामले में):आर
library("randomForest")
x<-seq(-3.14,3.14,by=0.00628)
noise<-rnorm(1001)
y<-sin(x)+noise/4
mat<-matrix(c(x,y),ncol=2,dimnames=list(NULL,c("X","Y")))
plot(x,predict(randomForest(Y~.,data=mat),mat),col="green")
points(x,y)
मुझे लगता है कि वहाँ इसे सही ढंग से काम करने के लिए randomForest में एक जादू विकल्प है, मैं कुछ है, लेकिन मैं करने की कोशिश की खींचने के लिए सही लीवर नहीं मिला ...
यह मैंने कोशिश की एक विकल्प में से एक था, यह थोड़ा बेहतर परिणाम देता है लेकिन यह अभी भी svm और nn की तुलना में बहुत बुरा लगता है ... विकल्प का एक बेहतर सेट होना चाहिए ... – user1206729
दिलचस्प बातों में से एक मशीन सीखना यह है कि एक आकार-फिट नहीं है-सभी विधि। विभिन्न प्रकार के डेटा के लिए कुछ प्रकार के अल्गो बेहतर होते हैं। दुर्भाग्यवश मुझे एक स्रोत रूपरेखा नहीं मिली है कि कौन सी विधि सर्वोत्तम है जिसके लिए डेटा सेट है और इस प्रकार परीक्षण और त्रुटि पर लगभग पूरी तरह निर्भर है। – screechOwl