问题描述
作为机器学习研究的一部分,我的目标是能够预测房间电源插座的位置。
在我的问题中,我的房间是多边形,而电源插座是目标。因此,要预测的位置在我房间的墙壁上,所以在多边形的边界/边缘。
为解决此问题,我恢复了一个数据库,其中包含N个房间/多边形的列表。该数据库包含坐标点(X,Y)。这些XY坐标点是多边形的顶点。
首先,为了简化问题:
- 我将自己限制在一个电源插座中=>可以预测的目标T:T(Tx,Ty)
- 我没有添加其他信息,例如多边形内门/窗的位置:此处的目标是首先成功地使预测收敛于多边形的边界上。
- 所有N个多边形具有相同的顶点数M。
对于M个顶点,数据库如下所示:
- 该表的列为:“ X1 | Y1 | X2 | Y2 | …| Xm | Ym”,其中(X1,Y1)为顶点1的坐标,(Xm,Ym)为顶点m的坐标
- 另外2列:“ Tx | Ty”,目标T的坐标
- 数据库的每一行对应一个多边形(N行)
- 数据集的大小为:[N,2 * M + 2](2 * M,因为2个顶点代表坐标,+2代表Tx和Ty)
这是我已经研究的有监督的机器学习:
我测试了所有可能的算法,并为Extra Decision Tree Regressor获得了更好的结果。对于每种算法,都有一个普遍的问题:损失函数:
实际上,mse,mae等...不适合我的问题,因为这些函数试图在多边形的上下顶点之间做出折衷(通过将误差最小化)。
做出的预测通常在多边形的中心...
您是否有其他想法来提出我的问题?也许我的问题不适合机器学习?强化学习我也考虑过...但是我没有尝试任何事情,因为我不相信环境在变化(因为多边形的形状不同)。
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)