机器学习与灰色模型的比较分析
机器学习
2021-12-07 v2 人工智能
摘要
人工智能（AI）近来几乎在生活的各个领域都展现了其能力。机器学习作为 AI 的一个子集，是研究人员的一个“热门”话题。机器学习在几乎所有自然应用上都优于其他经典预测技术，它是现代研究的关键部分。正如所述，现代机器学习算法渴求大数据。由于数据集较小，研究人员可能不倾向于使用机器学习算法。为解决此问题，本综述的主要目的是阐明并展示相关研究中一种称为灰色机器学习（Grey Machine Learning, GML）的半参数机器学习框架的意义。这类框架能够处理时间序列预测中可能结果的大数据集以及小数据集。本综述全面概述了现有的用于时间序列预测的半参数机器学习技术。本文为研究人员提供了关于 GML 框架的初步综述。为使读者深入理解，讨论了机器学习的简要描述以及各种常规灰色预测模型。此外，简要描述了 GML 框架的重要性。
引用
@article{arxiv.2104.00871,
title = {A Comparative Analysis of Machine Learning and Grey Models},
author = {Gang He and Khwaja Mutahir Ahmad and Wenxin Yu and Xiaochuan Xu and Jay Kumar},
journal= {arXiv preprint arXiv:2104.00871},
year = {2021}
}
备注
22 pages, 8 figures, journal paper