Kaksiulotteisessa taulukossa on lukuja (soluarvot välillä 0-100) ja lisäksi rivikohtaisesti lopputulos (tosi, epätosi tai ei tulosta).
Minkätyyppisellä algoritmilla matriisin saa seulottua siten, että se poimii optimaaliset rivit suhteessa lopputulokseen?
Minkätyyppisellä algoritmilla matriisin saa seulottua siten, että se poimii optimaaliset rivit suhteessa lopputulokseen?
Vastaukset 6
Vanhimmat
kyllähän noita on moniakin tapoja. Itse ehdottaisin jotain skriptaus-kieltä, kuten perl:ia. Tai jos tykkää vähän nätimmästä koodista, niin vaikka tcl kelpaa. C/C ei oikeastaan ole oikea työkalu näin yksinkertaiseen hommaan ts. hyötysuhde kärsii..
Kristalliboltsini ei näytä kovin selvää kuvaa ongelmasta. Voisiko joku seuraavanlainen olla sinnepäin?
1. Selvitä itselllesi, miten optimaalisuutta mitataan.
2. Käy taulukkoa rivi kerrallaan.
3. Jos rivi on optimaalinen, niin tallenna rivi vaikkapa linkitettyyn listaan
4. Kun rivejä ei ole, palauta linkitetyn listan rivit.
Optimaalisuudellla tarkoitan sitä, että algoritmin pitäisi tunnistaa ne rivit jotka todennäköisimmin toteuttavat arvon tosi tai epätosi mallintamalla ko. olemassaolevaa aineistoa, jossa lopputulos on siis selvillä, kun puolestaan siinä varsinaisessa kohteessa lopputulosta ei tiedetä. Ohjelmointipuoli on kutakuinkin hyppysissä.
En ole vama ymmärränkö tehtävää oikein, mutta voisiko regressioanalyysi tai pisteen sovittaminen datajoukkoon pienimmän neliösumman mielessä toimia? Siinähän pyritään sovittamaan datajoukkoon paras käyrä.
Jos nyt oikein ymmärsin, sinulla on hakuarvona yhtä taulukon riviä vastaavat parametrit ja sinun pitäisi taulukoidun historiadatan pohjalta arvioida, tuottavatko nämä arvot tulosarvona toden vai epätoden.
Tuollaisessa tapauksessa voisi laskea vaikka parametrien erotuksen (haku - taulukkorivi) neliösumman arvoa ja ehkä vielä jotenkin parametrit normalisoituina tai painotettuina, jos parametrit ovat erisuuruisia tai eriarvoisia. Neliösumman minimiä parhaiten vastaava tulos valitaan, tai käytetään muutaman pienimmän neliösumman tuottamaa keskiarvoa.
Sitten voisi laskea korrelaatioita, kokeilla neuroverkkoja jne.
Kiitos vastauksista, sitä yritänkin tällä hahmottaa, että mistä suunnasta kannattaisi lähteä etsimään. Data on pelituloksia.