4.29学习笔记（遗传算法&机器学习）

主要学习了机器机器学习处理基础的数据

logistic回归
随机森林的算法进行数据分析
具体的分析方法见我的天池主页
天池
这个算法需要更进一步的了解

上课学习的内容

爬山搜索法解决八皇后问题：
局部搜索：设置lop，lop距离目标值的最小值，就是当为0的时候最好

拟退火算法：物体在逐渐降温，在结晶时候能量最低
冷却很快的时候。

在跳出概率，在局部得到一个最优解的时候，会在后面产生一咖喱

冷却是有一定的概率，在后面的值比当前值大一些，也可以继续向后搜索

跳出

这里面存在一个跳出概率的情况，

因此拟退火算法在温度变化的情况下，观察是否可能被接受。初始的情况下，由于初始的温度在可能跳出最优解，初始温度足够高，热平衡时间足够长，终止温度足够低，降温过程足够缓慢，X 系数，在变化的系数（根据实际的情况）

遗传算法

随机搜索算法，模拟生物界的算法，
概念：目标值和解，目标值比较大的解。
解的表达，字符串，或者向量，解具有实际适应的函数值，解的描述是编码值，分配就是交叉，产生一个新的染色体。主要是交叉产生新的编码，某个部位产生变异，得出新的解的方法。

最优化问题基本方法：从多个解开始，通过一定的法则，进行迭代，交叉变异得出新的解，得出目标函数（适应度函数）。


根据选择概率的出相应的

选中以后记性杂交