24小时热门版块排行榜

返回列表

uyffff

新虫 (初入文坛)

应助: 0 (幼儿园)
金币: 2
帖子: 4
在线: 1.1小时
虫号: 787097
注册: 2009-06-04

[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

1楼 2010-12-28 01:09:37

已阅回复此楼关注TA 给TA发消息送TA红花 TA的回帖

相关版块跳转我要订阅楼主 uyffff 的主题更新

返回列表