使用机器学习方法选择权重集进行加权平均

Question

我有多个风速预测，我尝试为每个预测分配不同的权重，以获得最佳的“混合”预测，从而获得最佳的预测性能。假设每个风速预测在温度和湿度等外部条件下表现不同。

我知道这可以建模为优化问题，但我很好奇这是否可以通过机器学习来解决，因为神经网络基本上解决优化问题并且由权重和偏差组成。

因此，根据预测，并且可能根据外部条件（例如温度），模型会返回最佳权重选择。

大家觉得怎么样？

Answer 1

缺乏相当多的细节，但如果你有一个监督学习系统，其中包含每个预测的建议的两个输入加上风速和一个输出（即 0 到 1 之间的“准确度”），那么你可以训练每个输入，为你提供一个值每个风速预报的准确性。

如果您随后对所有准确度（监督学习系统的输出）进行归一化，使得总和等于 1.0，那么您可以使用归一化值作为加权平均值。

您需要针对每种温度/湿度和风速的大量训练数据。