Esiste un algoritmo di apprendimento automatico che associa un singolo input a un elenco di output di lunghezza variabile? In tal caso, esistono implementazioni dell'algoritmo per uso pubblico? In caso contrario, cosa mi consiglia come soluzione alternativa?
Nel mio caso, l'input è un singolo scalare e l'output è un elenco di scalari con lunghezza variabile. Ad esempio, supponiamo che volessi produrre un elenco di quelli dati la lunghezza dell'elenco come input. Quindi <input, output> potrebbe essere <1, [1]>, <2, [1, 1]>, ecc. Un piccolo ritocco fornirebbe la radice quadrata della lunghezza nel qual caso <2, [1, 1 , 1, 1]> sarebbe una risposta. Nota: l'ingresso non deve essere collegato direttamente all'uscita.
Per un esempio più complesso, supponiamo che io voglia imparare la sequenza look-and-say . Le coppie <input, output> valide sarebbero: <1, [1]>, <2, [1, 1]>, <3, [2, 1]>, <4, [1, 2, 1, 1] >, <5, [1, 1, 1, 2, 2, 1]>, ecc. Anche il mio problema è simile in quanto posso generare più esempi; Non sono limitato a una serie limitata di esempi.
Puoi fare un esempio di cosa intendi? Sono confuso se stai chiedendo di una singola variabile di input mappata a più variabili di output diverse o se una singola variabile di input viene mappata su un elenco della stessa variabile.
—
NBartley,
Tutti gli esempi che hai mostrato finora hanno un singolo output che può essere mappato in modo deterministico in un elenco di lunghezza variabile. Ecco il singolo input / singolo output: <1,1>, <2,2>, <2,4> e un semplice script deterministico può trasformarlo in <1, [1]>, <2, [1,1 ]>, <2, [1,1,1,1]>. Ti suggerisco di dividere il problema nel pezzo di apprendimento automatico e nel pezzo deterministico.
—
AN6U5,
Grazie per le informazioni aggiuntive Tuttavia, non credo che ci siano abbastanza informazioni fornite per formulare una risposta al di là di una discussione euristica di alto livello, come si vede nella risposta fornita. Il limite illimitato preclude gli algoritmi di classificazione come discusso di seguito, quindi questo sembra più un problema per un modello di Markov nascosto. Ma nell'esempio che hai fornito manca ancora una componente statistica che punta alla soluzione con un metodo di apprendimento statistico. La "sequenza look-and-say" è il vero problema o esiste un set di dati distribuito statisticamente con cui stai davvero lavorando?
—
AN6U5,
Il vero problema che mi interessa è la Conjuecture di Collatz . In particolare, quali intuizioni posso ottenere da un algoritmo di apprendimento cercando di apprendere < numero di Mersenne , sequenza di grandine>.
—
ricksmt,
Fuori tema perché la domanda è un problema matematico deterministico puro rifuso nelle vesti dell'apprendimento automatico. Non viene fornito un campione statistico, piuttosto viene fatto riferimento a una piccola serie di casi di una serie matematica infinita. L'OP spera di recuperare una relazione non lineare tra la funzione di input e l'elenco dei numeri primi corrispondenti al numero di Mersenne della funzione di input. Questo non è ben posizionato, né rientra nell'elenco degli argomenti di data science.
—
AN6U5,