情況如下: A想要優化一個採用蠟來製造蠟製品的工藝。對於要製造的每種產品,都有不同的蠟組成,以及工藝(機器配置)的一組參數。在此過程中,由於製造缺陷,一些物體被丟棄。如何優化(最小化)機器學習模型的輸出?
我的第一個想法是創建一個監督機器學習模型,它將蠟成分和機器配置作爲輸入,並將浪費對象的數量作爲輸出(我有數據要做)。
我的問題是:在創建該模型後,如何找到最佳工藝參數(機器配置)以最大限度地減少浪費對象的數量,對於給定的蠟組成(它可以是一種新組合物,以前從未見過) 。
具有更好的製劑中的問題:
我對機器設置S = [S1,S2,...,SN]的特徵向量,特徵爲蠟組合物W = [W1的載體, W2,...,WM]和S和瓦特不同組合我有一個相關聯的成本J.
我的訓練示例的數據庫中不同的向量S和W具有成本J.
有了這個數據,我想創建一個系統,在這個系統中我將輸入一個向量w,並且系統會輸出一個向量s,從而使s最小化成本J, ic矢量w。
對不起,沒有一個精確的公式。
投票結束太寬泛。帶上一些代碼,我們可以嘗試幫助。 – erip
一個常用的方法是估計一些響應曲面(使用統計),然後優化這個響應函數。 –