首先,预测想达到完全准确是不可能的。
然后,和随机猜测相比预测的效果也不容否认,只是预测越准参考价值越大。
重点在于预测误差可以不断减小。对于分类问题用准确率衡量,对于回归问题用误差衡量。
我研究的轨迹预测问题应该属于回归问题,衡量的标准就是预测出的位置和实际位置的距离。
这篇主要谈谈影响预测准确度的因素。对于机器学习来说主要是自变量和因变量如何选取。
自变量应该是我能得到的全部数据,因变量是我想得到的预测结果。。。这是最简单的选取
如果改进一下,把自变量和因变量归一化。。。效果会好很多
再改进,选择有效的自变量。
对自变量和因变量做预处理,使两者的关系更直观。
尽量只保留几个无法计算的参数留给模型学习,其他的处理的越好预测效果越好。
这次研究把重心放在整体架构和数据预处理上,训练使用现成的模块。以后如果继续研究可以深入建立一个专门的机器学习模型,针对具体问题定制的模型效果应该会更好。