机器学习和遗传算法有什么联系
机器学习和遗传算法有什么联系
机器学习的本质是求解一个最优化问题。而遗传算法属于最优化算法中的不确定性优化(Stochastic optimization)。最优化求解，可以看作一个在解空间内的搜索问题。不确定性优化，它的搜索方向没有一个确定的数学表达式，而是依赖一个随即变量，在优化收敛到局部极值时，能跳出局部最优。计算生物里，有段时间流行过一些以GA算法为基础的Marker筛选方法，但这类算法终究是非主流。因为在对于求解生物问题来讲，最重要的是结果的稳健与可重复，这一点恰恰是GA的弱点。
导读机器学习的本质是求解一个最优化问题。而遗传算法属于最优化算法中的不确定性优化(Stochastic optimization)。最优化求解，可以看作一个在解空间内的搜索问题。不确定性优化，它的搜索方向没有一个确定的数学表达式，而是依赖一个随即变量，在优化收敛到局部极值时，能跳出局部最优。计算生物里，有段时间流行过一些以GA算法为基础的Marker筛选方法，但这类算法终究是非主流。因为在对于求解生物问题来讲，最重要的是结果的稳健与可重复，这一点恰恰是GA的弱点。
机器学习的本质是求解一个最优化问题。而遗传算法属于最优化算法中的不确定性优化(Stochastic optimization)。最优化求解，可以看作一个在解空间内的搜索问题。不确定性优化，它的搜索方向没有一个确定的数学表达式，而是依赖一个随即变量，在优化收敛到局部极值时，能跳出局部最优。计算生物里，有段时间流行过一些以GA算法为基础的Marker筛选方法，但这类算法终究是非主流。因为在对于求解生物问题来讲，最重要的是结果的稳健与可重复，这一点恰恰是GA的弱点。
机器学习和遗传算法有什么联系
机器学习的本质是求解一个最优化问题。而遗传算法属于最优化算法中的不确定性优化(Stochastic optimization)。最优化求解，可以看作一个在解空间内的搜索问题。不确定性优化，它的搜索方向没有一个确定的数学表达式，而是依赖一个随即变量，在优化收敛到局部极值时，能跳出局部最优。计算生物里，有段时间流行过一些以GA算法为基础的Marker筛选方法，但这类算法终究是非主流。因为在对于求解生物问题来讲，最重要的是结果的稳健与可重复，这一点恰恰是GA的弱点。
为你推荐
科技
