如何逼近任意广义函数的常数参数？
我是数据科学和机器学习的新手。我试图用神经网络逼近任意广义不一定多项式函数的常数参数，给出输入、期望输出和函数的形式。还有什么其他的方法可以用神经网络来做吗?或者我应该使用其他的技术？例如，这是其参数par6和par7试图近似的函数之一：
我有x和f2(x)的值。任何帮助都将不胜感激。谢谢。
回答 2
Data Science用户
发布于 2020-03-20 02:26:55
这里有一些一般的技巧。例如，https://en.wikipedia.org/wiki/Non-linear_最少_正方形，https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.curve_fit.html
对于特定的示例，有一个线性化 (取决于y可以接受的值)：
\begin{align*} y &= \left[1+\left(\frac{x_1-x_2}{p_6}\right)^{p_7}\right]^{-1} \\ \frac1y-1 &= \left(\frac{x_1-x_2}{p_6}\right)^{p_7} \\ \frac1y-1 &= \left( \frac1{p_6}\right)^{p_7} (x_1-x_2)^{p_7} \\ \underbrace{\log\left(\frac1y-1\right)}_{y'} &= \underbrace{-p_7\log p_6}_{a} + \underbrace{p_7}_b\underbrace{\log(x_1-x_2)}_{x'} \end{align*}在这一点上，您的原始问题被表示为线性模型。当然，错误项现在已经偏离了原来的情况，如果y\notin(0,1)的话，采用对数是行不通的。
https://datascience.stackexchange.com/questions/69945
复制相似问题
腾讯云开发者
