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@）