| 查看: 297 | 回复: 0 | |||
[交流]
【讨论】怎样定义适值函数，才能使得函数的自变量浮动很大的情况下进行好的优胜劣汰
|
|
对UCI上的鸢尾花数据（总共150条数据）线性归一化之后，进行分类。取一半作为训练数据（75条），一半为测试数据（75条）。 我设置的输入是 4个，即鸢尾花的四种特性。 输出是3个，三种鸢尾花对应的标准输出分别是1，0，0 ；0，1，0； 0，0，1； 我设置的误差是 （标准输出-实际输出）的绝对值<0.1, 每个输出都要满足，才能说明它识别了这一条数据。 每个输出的误差表示为error, 每条的误差定义为 (error[1]+err0r[2]+error[3])/3 errorSum是 是75条数据得出的误差和 我定义的公式是 fitness = Math.pow(abs(75-errorSum),2);也就是75减去errorSum的平方。 但是发现，算法进行到后面的时候，对于数据的识别精度越来越高，因而errorSum越来越小，最后小于1。这样 各个个体之间fitness的差异就非常小，不利于判断。 不知道各位大虾有什么好的建议？ [ Last edited by mze04532 on 2010-12-28 at 08:22 ] |
回复此楼» 猜你喜欢
博士自荐
已经有5人回复
-
博士推荐
已经有4人回复
-
求环氧树脂研发1名
已经有10人回复
-
280求调剂
已经有5人回复
-
什么是人一生最重要的？
已经有10人回复
-
面上可以超过30页吧？
已经有13人回复
-
网上报道青年教师午睡中猝死、熬夜猝死的越来越多，主要哪些原因引起的？
已经有10人回复
-
为什么中国大学工科教授们水了那么多所谓的顶会顶刊，但还是做不出宇树机器人？
已经有13人回复
-
版面费该交吗
已经有17人回复
-
【博士招生】太原理工大学2026化工博士
已经有8人回复