使用遗传算法进行模式预测

Question

我是遗传算法的新手。我试图预测规则出现的模式。例如，我有一组定义如下的规则。

规则 1， 规则 2， 第 3 条， 第 4 条， 第 5 条， 规则 6，

对于给定的日期，我只能使用规则 2、规则 3 和规则 6。所以我会将这些数据表示为如下所述的字符串

0 1 1 0 0 1

其中 1 表示该规则已被使用，0 表示该规则在当天从未被使用。

所以我会有如下 5 天的数据集

011001, 100010, 110011, 101010, 111100,

我想在这里实现的是预测第 6 天的数据。我一直在阅读遗传算法和反向传播方法来实现这一点。由于对这些概念缺乏了解，我无法将我的问题与 GA 或 BP 联系起来。

如果有人能指出正确的方向来帮助我将我的问题与 GA 或 BP 联系起来，我将不胜感激。非常感谢任何帮助。

Answer 1

规则的出现纯粹是 随机的

在那种情况下，恐怕无法预测它们！

如果以上不准确（规则出现不是纯粹随机的），你有训练集吗？它有多大？在这里，您应该更多地关注模式识别技术而不是 GA。

例如，循环网络似乎很适合您的问题。看看this paper，他们预测二进制时间序列而不是二进制字符串，但它尽可能接近！

想到的另一种方法可能是将神经网络 + GA 以类似于他们在 this paper here 上进行财务预测的方式进行组合。

但我猜无论哪种方式，您都需要更大的训练集，并且您必须根据您的情况对其进行调整。

当心：这不是一项简单的任务！

Answer 2

GA 比预测更适合优化问题。但是，如果您对使用 GA 感兴趣，您可以使用它来优化可用于预测模式的神经网络的参数。另一个有用的东西是使用线性回归的机器学习。使用线性回归，回归线可用作预测模式的估计量。

Answer 3

您可以使用 GA 优化您的规则集，然后将优化集作为输入提供给神经网络进行预测，恐怕您不能使用 GA 进行预测，预测需要推理规则或格式良好的训练数据作为输入NN（过去的信息）。