[PYTHON] Kann maschinelles Lernen parallele Vierecke vorhersagen? (1) Kann es extern eingefügt werden?

Kann maschinelles Lernen extrapoliert werden?

Hyogo Prefectural Materials Informatics Lecture (4.) Lecture 2 "Descriptor Design Method" Hyogo Prefectural University Advanced Industry Professor Fujii vom Institut für Wissenschaft und Technologie hielt einen Vortrag über Deskriptordesign. Ich verstehe den Rangabfall immer noch nicht, aber ich denke, es war ein sehr guter Vortrag. Ich habe viel gelernt.

In der Mitte der Vorlesung gab es ein Beispiel für ein Dreieck, und ich dachte, es sei wahr, also spielte ich als Beispiel mit einem parallelen Viereck.

Frage: Ist es möglich, die Fläche eines parallelen Vierecks anhand der drei Merkmale der Länge der beiden Seiten und des Winkels zwischen den beiden Seiten vorherzusagen? Ist es möglich zu externalisieren?

Um die Fläche des parallelen Vierecks der nächsten Figur zu erhalten, wurden zunächst 1000 zufällige Längen der beiden Seiten und der Winkel zwischen den beiden Seiten erzeugt. Die Länge der Seite liegt zwischen 100 und 1000 und der Winkel beträgt 90 Grad oder weniger.

Wenn Sie an die Mathematik der High School denken, wissen Sie, dass die Formel für die Fläche eines parallelen Vierecks durch Multiplizieren der Basis und der Höhe erhalten werden kann. Da Sie die Höhe jedoch nicht kennen, können Sie die Höhe mithilfe einer Dreiecksfunktion ermitteln.

height = b*sin(c)

Sobald Sie die Höhe haben, multiplizieren Sie sie mit dem Boden.

\begin{align}
area &= height*a\\
&=b*sin(c)*a
\end{align}

Ich habe es großartig geschrieben, aber es ist einfach, weil es ein Mathematikniveau der High School ist. Dies vervollständigt einen Datensatz aus drei Merkmalsgrößen (Länge a, b, Winkel c) und der Fläche der Zielvariablen.

Hier ist die Frage. Frage 1. Können parallele Vierecke maschinell erlernt werden? Was ist die Genauigkeit? Frage 2. Ist es möglich, aus den Ergebnissen des maschinellen Lernens zu extrapolieren? Ist es möglich, einen anderen als den durch Lernen der Seitenlänge berechneten Wert vorherzusagen?

Natürlich sollte Frage 2 nicht extrapoliert werden, da es sich um maschinelles Lernen handelt, aber ich wusste nicht, wie es aussehen würde, also habe ich es berechnet. Ist es möglich, ein paralleles Viereck zu extrapolieren?

Frage 1. Können parallele Vierecke maschinell erlernt werden? Was ist die Genauigkeit?

Ich habe versucht, drei maschinelles Lernen zu verwenden. ・ LASSO zurück ・ Zufälliger Wald ·neurales Netzwerk Beide verwenden "Scikit-Learn". LASSO wird verwendet, weil die Feature-Menge später im Deskriptor-Design erhöht wird und die Feature-Menge ausgewählt und abgespielt wird, sodass die Feature-Menge klein ist, aber von Lasoo berechnet wird. Übrigens habe ich Lassos α als 1 und die verborgene Schicht des neuronalen Netzwerks (MLP) als 100 berechnet.

Das Ergebnis. Der Entscheidungskoeffizient sieht so aus.

Wenn man das betrachtet, sieht der zufällige Wald gut aus, dann das neuronale Netzwerk, aber was ist mit dem Graphen?

Der zufällige Wald war ziemlich vorhersehbar. Das neuronale Netzwerk (MLP) ist ebenfalls etwas verbreitet, aber dies ist auch gut vorhersehbar. Bei der Lasso-Regression ist die Vorhersage umso breiter, je größer die Zahl ist. Je kleiner die Zahl, desto breiter ist die Vorhersage.

Frage 2. Ist es möglich, aus den Ergebnissen des maschinellen Lernens zu extrapolieren? Ist es möglich, einen anderen als den durch Lernen der Seitenlänge berechneten Wert vorherzusagen?

Ist es möglich, mit diesem Lernenden die kleinen und großen Bereiche numerischer Werte vorherzusagen?

Was wird damit passieren? b und c sind intern und nur a ist extern. Wird es möglich sein, wenn es nur einen gibt?

Es ist eine grafische Darstellung des Berechnungsergebnisses. Wie erwartet? Unerwartet?

Die rote Linie ist diagonal, aber mit etwas Extrapolation können weder der zufällige Wald noch das neuronale Netzwerk vorhergesagt werden. So etwas wie ein neuronales Netzwerk hat eine falsch platzierte Nummer. Es hat nicht funktioniert. Die Lasso-Regression der linearen Regression kann die Extrapolation gut vorhersagen.

Bei numerischen Vorhersagen müssen Sie bei der Extrapolation sehr vorsichtig sein. Beachten Sie, dass nur eine der drei Funktionen nicht zum Lernen gehört, und Sie erhalten dieses Ergebnis mit Ausnahme der linearen Regression.

Wenn Sie auch nur ein wenig extrapolieren möchten, verwenden Sie die Extrapolation mit linearer Regression.

Das ist alles für heute, aber was ist mit der Extrapolation, die wie eine interne Einfügung aussieht?

Frage 3: Ist es möglich, in der Zwischenzeit mit kleinen und großen Werten zu lernen und Vorhersagen zu treffen?

Wenn Sie sich vorstellen, ist dies mit Ausnahme der linearen Regression auch unvorhersehbar, da bin ich mir sicher.

Dies ist im nächsten Artikel Kann maschinelles Lernen parallele Vierecke vorhersagen? (2) Was passiert, wenn ein externes eingefügt wird, obwohl es wie ein internes Einfügen aussieht? ??

Diese parallele viereckige Seite setzt sich also fort.