Java 基本机器学习

我正在开发一个工具，需要根据多个变量的组合来预测一个变量的值

实现需要使用Java编程语言

---

谢谢。

也许你可以先在维基百科上搜索各种类似的内容，或者

斯坦福大学有一个很好的关于机器学习的开放课程，包括视频讲座等。

---

看一下。

< P>如果你想从简单的东西开始，考虑一个准线性模型，比如逻辑回归或线性判别分析：它们很容易理解，并且在互联网上都有代码。还考虑一些简单的（单节点）神经模型（感知器，delta规则等）：它们非常容易编程。如果你想继续这样做，我建议你买一本书，比如Weiss和Kulikowski写的《学习的计算机系统》。

听起来多元线性回归可以完成这项工作。

我也从K-近邻开始——它们最简单——人们可以尝试不同的数据预处理、距离测量，等等。它们也会导致非常好的（尽管非常慢）预测。

如果要预测的变量是连续变量，那么回归模型是关键。 有许多回归技术，包括最小二乘法、多项式模型、人工神经网络和支持向量机。 当然，每种技术都有其假设或参数

MATLAB是一个有良好文档记录的计算环境。 我建议访问关于非线性回归的MATLAB文档的以下页面：

您可以使用全局搜索方法（如遗传算法GAs）来调整给定多项式回归模型的参数

---

对于预测离散变量，列出的回归模型也可以在给定阈值的情况下应用。决策树可能是一个很好的选择。

在深入研究代码之前，由于您是一名初学者，我建议您阅读基础知识，并牢牢掌握它。你不必读博士论文，但至少支持向量机、逻辑回归和神经网络的基本术语会有所帮助。通过斯坦福大学、Coursera课程和其他答案中建议的书籍，互联网上有大量的资料

尽管互联网上有现成的代码可供您使用，但我之所以说您需要阅读基础知识，是因为在典型的分类器（如SVM、神经网络甚至逻辑回归）中，有各种参数需要您进行调整，并且不了解基础知识，使用这些软件包既困难又混乱。当我还是初学者的时候，我也经历过同样的经历

---

有了对如何处理SVM中的倾斜数据集、如何调整逻辑回归的参数，甚至如何减少数据集的维数的强大掌握，它将使您的实现更快、更高效—这样您可以获得更好的准确性。否则，直接跳入代码可能会让您再次带着一些基本问题回到这里。我希望这是有帮助的

符合您的需要。它有回归，用Java实现。

如果是回归问题，我建议您从Matlab中的逻辑回归或线性回归开始。有很多库，你可以从中获取代码。通过这种方式，首先通过比较样本误差（从你考虑的生产数据）和样本外误差（以测试对那些未考虑用于预测的数据的预测）来确定和查找所需的训练数据的数量和顺序。如果训练数据较少，则使用较少的特征或正则化。如果特征的数量和顺序非常大且难以确定，请转到中性网络或SVM（请参阅，如果有java的SVM库），当您在Matlab中有一个完美的系统时，请在java中部署它。

---

据我所见，ML系统在适合实际使用之前需要进行一些手动微调，而Matlab/Ocatve等环境是进行这种微调的最佳平台

这是作业吗？不：）我知道我的问题很抽象。。。我需要一个想法来开始我的工作……我强烈建议你看看Weka（）——基于Java的非常好的机器学习工具。如果没有更多细节，你将收到的建议不太可能对你的特定任务非常有用。