使用机器学习对植物进行建模

有一组关于植物的数据集，根据数值输入产生特定的数值输出。数据集包含了多年来每15分钟的输入值和输出值。

由于在软件中模拟系统的物理特性成本过高，我希望通过机器学习创建一个模型，使其表现得像系统一样。当输入数据时，模型应能提供相应的输出。

在解决方案中，我已经测试了前馈神经网络。结果尚可，但在某些情况下不够准确。

对于这个问题，还有哪些其他方法可用？

回答：

如果这是时间序列任务，你可以使用神经网络的NARX架构或LSTM网络。后者类似于NARX，是一种递归神经网络。Matlab提供了前者的实现。

如果你“仅仅”想对数据拟合多项式，你可以使用不同阶数的基本线性回归来看看哪个效果最好。注意：它被称为线性回归，并不意味着它只能拟合线性模型。

其他一些可能性包括核方法，如核岭回归或SVR。后者基于支持向量机，通常表现得相当好（至少在我个人经验中用于分类时）。如果你想尝试SVR，可以使用一个小而优秀的库libSVM。Matlab也提供了这种方法。

以下链接展示了这些算法的比较：

编辑：如果我理解正确的话，如果你想从给定时间t预测未来时间t+1的输出，这是一个时间序列任务。尝试使用NARX模型或LSTM网络。

学技术