APP下载

机器学习中多目标优化算法的简述

2012-04-29郑秀莲

电脑知识与技术 2012年15期
关键词:机器学习

郑秀莲

摘要:機器学习本质上就是多目标优化问题。解决机器学习问题的多目标优化方法有三种:标量式的多目标优化,按词典排序的多目标优化以及基于Pareto的多目标优化,而基于Pareto的多目标优化方法是目前使用最广泛的,也是研究较多的。文章概述了在机器学习中使用的多目标优化算法的优缺点。最后表明基于Pareto的多目标优化方法能有效克服前两种优化方法的缺点,是三种方法中最好的。

关键词:多目标优化;Pareto;机器学习

中图分类号:TP18文献标识码:A文章编号:1009-3044(2012)15-3689-02

Machine Learning in Multi Objective Optimization Algorithm

ZHENG Xiu-lian

(Taizhou Vocational School of Mechanical, electrical technology,Taizhou 225300,China)

Abstract: Machine learning is essentially multi-objective optimization problem. There are three very different approaches to cope with this multi-objective optimization problem: the conventional weighted-formula approach, the lexicographic approach, the Pareto ap? proach. At present, the most widely used approach is the Pareto approach. This article provides an overview of the machine learning is used in multi objective optimization algorithms. The final show that Pareto based multi objective optimization method can effectively overcome before two optimization method, three methods is the best.

Key words: Multi-objective optimization; Pareto; Machine learning

机器学习本质上就是多目标优化问题。任何机器学习方法都包括两个步骤,即:构造一个候选模型,然后选择某个学习算法根据样本数据集对候选模型进行参数估计。通常,模型构造和参数估计是在迭代的过程中同步实现,但在许多情况下,模型构造只凭直觉和经验做一次。换言之,用户凭经验构造模型,然后使用某个学习算法来估计模型的参数。

目前,用多目标优化来解决机器学习问题的方法主要有三种:标量式的多目标优化[2],按词典排序的多目标优化[3]以及基于Pare? to的多目标优化[4-7]。标量式的多目标优化是将多目标问题转化为单目标问题来解决,这种方法实现简单,但存在很多缺点,如在目标的转化过程中需要给不同目标设置权重值,这些权重值的设置通常都是凭经验或通过反复实验确定的,带有主观性,而目标的转化是将含义不同的目标整合到一起,这使得最终的目标函数对用户而言是没有意义的。……

登录APP查看全文

猜你喜欢

机器学习
基于词典与机器学习的中文微博情感分析
基于网络搜索数据的平遥旅游客流量预测分析
前缀字母为特征在维吾尔语文本情感分类中的研究
下一代广播电视网中“人工智能”的应用
基于支持向量机的金融数据分析研究
基于Spark的大数据计算模型
基于朴素贝叶斯算法的垃圾短信智能识别系统
极限学习机在图像分割中的应用
一种基于迁移极速学习机的人体行为识别模型