分离和模式匹配技术

Question

我是新来的人工神经网络。

我对这样的应用程序：

我有显著大集的对象。每个对象都有六个属性，由P1 – P6表示。每个属性都有一个符号值。换句话说，在我的示例中，P1 – P6可以具有来自集合{A，B，C，D，E，F}的值。它们不是数字。 （假设A，B，C，d，E，F是颜色;然后你就会明白我的想法）

现在，还有另外一个特性 - [R，我很感兴趣，假设

R =。 {G1，G2，G3，G4，G5}

我需要培养系统大集P1 – P6和有关R.现在我要做到以下几点。

1. 我有一个对象，我知道P1〜P6的值。我需要找到 R（该对象所属的组）

2. 为了得到所需的R什么是我需要在P1 – P6中具有的模式。 作为R = G2的例子，我需要找出P1 – P6中的任何模式。

我的问题是：

1. 什么理论/技术/技术，我应该阅读和学习 为了实现分别为1和2，？

2. 你可以推荐什么工具/库来模拟/实现/测试这个 ？

Answer 1

你应该看看classification algorithms（人工智能款），特别是近邻的算法。你的问题可以通过不同的技术来解决，这些技术都有不同的优点和缺点。

不过，我不知道在人工智能的任何方法，它允许双向分类（或者换句话说，两者同时实施的先决条件1和2）的。因为你想做的所有事情都有一个P1..P6 < => R的双向映射，所以我建议只使用映射表而不是人工智能算法。如果您不确切知道您的样本是在P1..P6的A..E下分类的，那么AI会很好用。

如果你坚持使用AI的话，我建议先来看一个Perceptron。感知器由输入，中间和输出神经元组成。举个例子，你会有输入 - 神经元P1a..P1e，P2a..P2e，...和五个输出神经元R1..R5。训练结束后，您应该可以输入P1..P6并获得适当的R1..R5作为输出。

至于框架和技术，我只知道商业智能套件的Visual Studio中，虽然也有很多其他框架的AI在那里。由于我没有使用它们中的任何一个（我总是用C/C++自己编写它们），所以我不能推荐任何。

Answer 2

你描述你的问题的样子，你需要查找各种机器学习技术。如果是我，我会尝试阅读关于k-NN（k个最近邻居）的分类。当我说分类时，我的意思是如果你知道P1-P6就得到R。这是一个非常简单的技术，在这里应该很有帮助。

至于周围的其他方式，你基本上需要的是你的人口的代表性样本。这是我认为不太常见的，但你可以尝试像k-means聚类。聚类方法通常自己确定一个对象的类（属性R），但是k-means在这种情况下聚类很酷，因为你需要给它一些对象类（例如R的不同可能值），并且最终你会得到一个有代表性的样本

你绝对不应该去在我看来，任何真正复杂的技术（如神经网络），因为你的数据没有一个确切的数字解释和值不能逐步解释。

推荐的工具真的取决于您的基本编程语言。有一个名为Orange的很棒的工具，它基于Python，它是我选择这些类型的工具（特别是因为将Python模块与C/C++连接起来非常简单）。如果您更喜欢Java，那么可以使用一个非常类似的工具Weka。我认为Weka是有点更好记录，但我不喜欢Java，所以我从来没有尝试过。

这些工具都具有图形化点击界面，你可以只加载数据，并把工作分类，通过参数玩，并检查您开始使用什么样的输出不同的技术和不同的调校。一旦你决定获得你需要的结果（或者你不喜欢图形界面），你也可以在编程时使用它们作为一种库（Python for Orange和Weka for Java），并将分类作为更大项目的一部分。

如果你仔细阅读Orange或Weka的文档，我认为它会给你一些想法，你可以对你所拥有的数据做什么实际的工作，以及当你知道一些看起来很有趣的技术时，数据，也许你可以在这里获得更多的质量评论和一些特定方法的信息，而不仅仅是寻找一般性建议。

Answer 3

这似乎是一个典型的分类问题。如果你真的有很多数据看看Apache Mahout，它提供了机器学习算法的分布式实现。如果您需要更简单的原型设计TimBL是一个不错的选择。