В линейной регрессии Я всегда видел ситуацию, когда у меня есть много возможностей, и я использую их, чтобы предсказать, один выход, напримерпредсказать значение вектора вместо одновыходовые
f1 f2 f3 f4 --> y1
f1 f2 f3 f4 --> y2
и так далее ... Я хочу знать, есть ли что-то, где предсказанное значение, т. Е. Y1 фактически является вектором, а не одним значением
Да, почти каждый метод регрессии (нейронные сети, опорные векторные регрессоры, случайные регрессоры леса, ....) отлично подходит для многомерного вывода. Включая линейную регрессию. В частности, если у есть N строк и К вектор-столбец значений предсказать, и Х представляет собой N строк, д столбец матрицы данных, линейный reggresion просто
A = (X'X)^-1 X'y
, а затем предсказание формы
XA
, который снова является N строками, матрицей предсказания K столбцов.
В вашем вопросе конкретно упоминается линейная регрессия (см. Другой ответ), но вы также отметили машинное обучение.
Непосредственный алгоритм, который появился в моей голове, был кластером K-mean. В качестве ввода вам задан набор (неупорядоченный вектор), а выход - k наборов (k неупорядоченных векторов). См. here для довольно удивительной визуализации того, как работает алгоритм k-средних.
k-mean не является инструментом регрессии. Это не имеет никакого отношения к вопросу. OP спрашивает о многомерной регрессии, а не кластеризации (которая не является ни регрессией, ни многомерной). – lejlot
Он не спрашивал о регрессии, регресс был примером. «Я хочу знать, есть ли что-то, где предсказанное значение, то есть y1, фактически является вектором, а не одним значением». И я не уверен, каково ваше точное определение многомерного, но я не понимаю, почему кластеризация не может быть многомерной. – mwm314