Sto lavorando a un progetto in cui sto sviluppando un'interfaccia che apprende come usi in genere uno spazio e cerchi di creare la strategia di controllo più appropriata per il riscaldamento / illuminazione. Ho fatto alcune ricerche sull'area delle tecniche di machine learning, ma mi chiedevo se ci fossero dei consigli su quale algoritmo di apprendimento avrebbe funzionato meglio per questo scenario. Ho un sacco di diversi parametri di input: ho progettato un sensore wireless a basso costo che segnala luce, temperatura, umidità e rilevamento del movimento ogni 8 secondi ... Ho anche sfruttato i feed meteo in tempo reale attraverso Internet per le condizioni esterne ... E sto anche memorizzando tutte le diverse modifiche dell'interfaccia utente (commutatori, cursori, ecc ...), quindi spero di poter dire quando le persone stanno effettivamente cambiando determinate impostazioni e si adattano di conseguenza. Per quanto riguarda gli algoritmi di apprendimento ... ci sono molte opzioni diverse tra cui (per citarne solo alcune):
- K-Means
- Albero decisionale
- Naïve Bayes
- Reti neurali
- Modelli di Markov nascosti
- Vicini più vicini
Quale di questi sarebbe il più ideale per lo scenario a cui mi riferisco di: Avere più origini dati e correlarle con l'input dell'utente per prevedere i desideri futuri e pianificare di conseguenza.