У меня много записей данных, каждая запись состоит из 8 (восьми) чисел.
Для каждой записи я знаю «оценку пригодности» (т.е. насколько «хороша» эта запись).
И я хочу построить/найти функцию аппроксимации («оценка пригодности» в зависимости от этих 8 параметров). Меня устраивает не только математическое представление этой функции, но и любая реализация (например, NN), которая даст мне правдоподобную «оценку пригодности» для произвольной (новой) записи.
Я попробовал нейронные сети (библиотека Encog) и генетический подход (библиотека Watchmaker). Второй подход дал мне гораздо лучшие результаты, чем NN. Однако я представляю функцию аппроксимации как сумму восьми компонентов «a * pow(x, b)», где «a» и «b» мутируются GA, а «x» — параметр ввода данных. Несмотря на то, что у меня есть положительные результаты с помощью ГА, очевидно, что это не лучший подход.
Итак, вопросы: как улучшить функцию аппроксимации поиска в моем случае? Существуют ли другие методы, кроме NN и GA?
Спасибо.