遗传算法是一种随机全局优化算法。它可能是最受欢迎且广为人知的受生物启发的算法之一，与人工神经网络齐名。该算法是一种进化算法，它执行一种优化过程，该过程受自然选择的生物进化理论启发，包含一个 [...]
作者归档 | Jason Brownlee
使用 Python 进行差分进化全局优化
差分进化是一种全局优化算法。它是一种进化算法，与其他进化算法（如遗传算法）相关。与遗传算法不同，它专门设计用于处理实数值向量，而不是位串。与遗传算法不同的是，它使用向量运算，例如向量 [...]
在 Python 中从零开始实现进化策略
进化策略是一种随机全局优化算法。它是一种进化算法，与其他算法（如遗传算法）相关，尽管它专门为连续函数优化而设计。在本教程中，您将了解如何实现进化策略优化算法。完成本教程后，您将了解：进化策略是一种 [...]
数据集大小与模型性能的敏感性分析
对于预测建模，机器学习模型的性能通常会随着数据集大小的增加而提高。这取决于具体的数据集和模型的选择，尽管它通常意味着使用更多数据可以获得更好的性能，并且使用较小数据集估计模型性能所做的发现通常可以扩展到使用较大的数据集。 [...]
深度学习神经网络的预测区间
预测区间为回归问题的预测提供了一个不确定性度量。例如，95% 的预测区间表示在 100 次中有 95 次，真实值将落在范围的下限和上限之间。这与简单的点预测不同，点预测可能代表不确定性的中心 [...]
在 Python 中从零开始实现模拟退火
模拟退火是一种随机全局搜索优化算法。这意味着它在搜索过程中利用了随机性。这使得该算法适用于非线性目标函数，而其他局部搜索算法在此类函数上表现不佳。与随机爬山局部搜索算法一样，它修改单个解决方案 [...]
机器学习的无免费午餐定理
“没有免费午餐”定理在优化和机器学习领域经常被提及，但人们往往对其含义或暗示理解不清。该定理指出，当对所有可能的问题进行平均性能时，所有优化算法的表现都相同。它暗示不存在唯一的最佳优化 [...]
随机优化算法入门
随机优化是指在目标函数或优化算法中使用随机性。具有挑战性的优化算法，例如高维非线性目标问题，可能包含多个局部最优解，确定性优化算法可能会被卡住。随机优化算法提供了一种替代方法，允许做出不太最优的局部决策 [...]
如何开发神经网络来预测电离层扰动
为新数据集开发神经网络预测模型可能具有挑战性。一种方法是首先检查数据集并构思可能有效的模型，然后探索简单模型在数据集上的学习动态，最后开发并调整模型以适应具有稳健 [...]
如何使用优化算法手动拟合回归模型
回归模型使用线性回归和局部搜索优化算法在训练数据上进行拟合。线性回归和逻辑回归等模型通过最小二乘优化进行训练，这是找到最小化这些模型误差的系数的最有效方法。尽管如此，也可以使用其他优化算法来拟合 [...]