所以,我有一个对应于给定特征(相同维度)的向量。在Julia中是否有一个包可以提供适合这些数据点的数学函数,与原始特征相关?换句话说,我有x和y(两个向量),并且需要在两者之间找到一个体面的映射,即使它是一个非常复杂的映射。该过程的输出应该是连接x和y的符号公式,例如(:x)^ 3 + log(:x) - 4.2454。如果它只是一个多项式近似,那很好。如何在Julia中找到适合给定数据点集合的函数?
我想如果您使用遗传编程,这是在公园散步,但我宁愿选择一个更简单(和更快)的方法,如果它可用。谢谢
不是一个解决方案,但问题的“官方”名称是**回归**(在x和y之间的多项式关系的情况下,这将是多项式回归)。使用此术语继续搜索答案。 –
我对回归很熟悉。尽管如此,对尽量减少MSE或其他错误指标不感兴趣。只是想找到一个合适的功能,即使有一些过度修复。我不打算将其用于预测分析。 – Zack
在这种情况下,_Lagrange的插值公式_可能会有所帮助。它产生一个穿过所有点(x,y)的多项式。多项式将具有高度。请参阅http://mathworld.wolfram.com/LagrangeInterpolatingPolynomial.html –