Как найти связь между входным параметром и выходным параметром путем машинного обучения?

Question

У меня есть 20 числовых параметров ввода (или больше) и один выходной параметр, и у меня есть тысячи этих данных. Мне нужно найти связь между входными параметрами и выходным параметром. Некоторые входные параметры могут не относиться к выходному параметру, или все входные параметры могут не соответствовать выходному параметру. Я хочу, чтобы какая-то волшебная система могла статистически рассчитать выходной параметр, когда я предоставляю все входные параметры, и намного лучше, если эта система также обеспечит уверенную скорость с результатом вывода.

Что такое техника (в машинном обучении), которую я должен использовать для решения этой проблемы? Я думаю, что это должна быть нейронная сеть, генетический алгоритм или другая связанная вещь. Но я не уверен. Более того, мне нужно знать ограничение этой техники.

Спасибо,

Answer 1

Ваш вопрос, кажется, просто определить проблему regression. Который может быть решён многочисленными алгоритмами и моделями, а не только нейронными сетями.

• Поддержка Вектор регрессия
• Neural Networks
• Линейная регрессия (и многие модификации и обобщения), используя для метода Пример МНК
• Ближайшие соседи регрессия
• Дерево решений Регрессия
• многое, многое другое !

Просто найдите «методы регрессии», «регрессионные модели» и т. Д., В частности, библиотека sklearn реализует многие из таких методов.

Answer 2

Я бы порекомендовал генетическое программирование (ГП), которое основано на генетическом методе машинного обучения, где изученная модель представляет собой одно математическое выражение/уравнение, которое наилучшим образом соответствует вашим данным. Большинство пакетов GP поставляются со стандартным набором регрессии, который вы можете запускать «как есть» с вашими данными и с минимальными затратами на настройку.