Для моей магистерской диссертации я использую стороннюю программу (SExtractor) в дополнение к конвейеру python для работы с данными астрономического изображения. SExtractor принимает файл конфигурации с многочисленными параметрами в качестве входных данных, что влияет (после некоторых промежуточных шагов) на статистику моих данных. Я уже много времени проводил с параметрами, поэтому я немного изучил машинное обучение и получил очень глубокое понимание.Машиноведение для оптимизации параметров
Теперь я задаюсь вопросом: разумно ли использовать алгоритм машинного обучения для оптимизации параметров SExtractor, когда единственный способ оценить производительность или качество параметров - это конечная статистика прогона анализа (который занимает как минимум час на моей машине), и есть более 6 параметров, которые влияют на статистику.
В качестве примера я включил две разные версии статистических данных, которые я имею в виду, выполненные из немного разных версий параметров Sextractor. Красная линия в левом изображении является медианным значением стандартного отклонения (как и должно быть). Синяя линия - медиана стандартного отклонения, когда я получаю их. На правильных изображениях отображаются различия объектов в 2 наборах данных.
Я знаю, что это очень конкретный вопрос, но поскольку я новичок в механическом обучении, я не могу судить, возможно ли это. Так что было бы здорово, если бы кто-нибудь мог мне предложить, если это бессмысленное усилие и указать мне вправо.
Я думаю, вам стоит рассмотреть вопрос об отправке этого вопроса на [Cross Validated] (http://stats.stackexchange.com/). – Thomas
@ Томас, спасибо за подсказку. Я даже не знал, что существует такой форум. –
У вас есть «истинная истина» для статистики, которую вы хотите получить? – ginge