| 查看: 330 | 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
面上提前没消息，有中的吗
已经有14人回复
-
这种情况还有戏吗
已经有12人回复
-
微信指数没变化，科研之友没阅读
已经有19人回复
-
准备明年的基金了
已经有7人回复
-
面上再次挂了，太难了，躺也躺不了，倦也卷不过，小学校之殇！
已经有24人回复
-
2026年国自然面上资助率
已经有21人回复
-
基础研究怎么拉横向，学校到款任务越来越多，难以完成 拉横向，都有哪些途径啊
已经有10人回复
-
2027年申博
已经有3人回复
-
一个有机合成实验室都需要哪些设备？
已经有7人回复
-
HXDI做水性聚氨酯乳液，是不是特别容易出渣
已经有3人回复