(数据:https://1drv.ms/u/s!ArLDiUd-U5dtg1H6y1_0f_m5f2by?e=OmKeWp)
我正在尝试预测路线的难度。一条路线由一系列点组成,每个点相距10米。每个点都有以下信息:
路径宽度森林密度下降速度(如果跌落,您的身体将达到什么速度)斜度
对于每条路线,都有一定的难度。这些困难是由不同的人造成的,并且差别很大。因此,一个人给了一条路线4。但是另一个人可能给了这条路线2。因此数据中包含人为错误。 [我到目前为止所做的:
然后,我将这些值放入线性回归模型中。事实证明这是一个好的开始:
Mean Absolute Error: 1.239902061226418
Mean Squared Error: 2.3566221702532917
Root Mean Squared Error: 1.53512936596669
但是由于缺乏机器学习知识,我现在不知道该怎么做。问题
我有一个使用神经网络的想法,只是提出了所有要点。最长的路线是5300点长,所以我只能说,每条路线5300点输入,并用这些路线的0值填充点,这不够长。任何信息或诸如此类的输入?
但是我也想通过使用上面显示的预测值(平均值,标准等)来获得良好的结果。那我该怎么做才能改善预测呢?
((数据:https://1drv.ms/u/s!ArLDiUd-U5dtg1H6y1_0f_m5f2by?e=OmKeWp)我正在尝试预测路线的难度。一条路线由一系列点组成,每个点相距10米。每个点都有...