単一の入力を可変長の出力リストにマッピングする機械学習アルゴリズムはありますか？もしそうなら、公共使用のためのアルゴリズムの実装はありますか？そうでない場合、回避策として何をお勧めしますか？
私の場合、入力は単一のスカラーで、出力は可変長のスカラーのリストです。たとえば、リストの長さを入力として、1のリストを出力したいとします。次に、<input、output>は<1、[1]>、<2、[1、1]>などになります。小さな調整を行うと、長さの平方根が得られます。この場合、<2、[1、1 、1、1]>が答えになります。注：入力を出力に直接接続する必要はありません。
より複雑な例として、見た目と順序のシーケンスを学びたいとしましょう。有効な<input、output>ペアは、<1、[1]>、<2、[1、1]>、<3、[2、1]>、<4、[1、2、1、1]です。 >、<5、[1、1、1、2、2、1]>など。私の問題も、より多くの例を生成できるという点で似ています。私は有限の例のセットに制限されていません。
意味の例を挙げていただけますか？単一の入力変数が複数の異なる出力変数にマップされているのか、単一の入力変数が同じ変数のリストにマップされているのかについて、私は混乱しています。
—
NBartley、2015
これまでに示したすべての例には、可変長リストに決定論的にマッピングできる単一の出力があります。これが単一の入力/単一の出力です：<1,1>、<2,2>、<2,4>そして単純な決定論的スクリプトはこれを<1、[1]>、<2、[1,1 ]>、<2、[1,1,1,1]>。問題を機械学習の部分と決定論の部分に分割することをお勧めします。
—
AN6U5 2015
追加情報をありがとう。ただし、提供されている回答に見られるように、高レベルのヒューリスティックな議論を超えて応答を定式化するのに十分な情報が提供されているとは思いません。無制限の境界は、以下で説明するように分類アルゴリズムを排除するため、これは隠れマルコフモデルの問題のように見えます。しかし、あなたが提供した例には、統計的な学習方法による解決を指す統計的なコンポーネントがまだありません。「ルックアンドセイシーケンス」が本当の問題ですか、それとも実際に作業している統計的に分散されたデータセットがありますか？
—
AN6U5
私が興味を持っている実際の問題はCollatz Conjuectureです。特に、< メルセンヌ数、ひょうのシーケンス> を学習しようとする学習アルゴリズムからどのような洞察を得ることができますか。
—
ricksmt 2015
質問は機械学習を装って再決定的な純粋数学の問題であるため、主題外です。統計サンプルは提供されていません。むしろ、無限の数学シリーズからの少数のケースセットが参照されます。OPは、入力特徴と入力特徴のメルセンヌ数に対応する素数のリストの間の非線形関係を回復することを望んでいます。これは適切な状態ではなく、データサイエンスのトピックリストにも含まれていません。
—
AN6U5