如何预测机器学习的基于计算的数据？

Posted 2023-03-12

【中文标题】如何预测机器学习的基于计算的数据？

【英文标题】：How to predict calculation based data for Machine Learning?

【发布时间】：2017-08-04 10:36:55

【问题描述】：

我有大量的样本数据如下：

价格取决于从 Val_1 到 Val_14 的值（总共 150 个特征）。我想将此表用作机器学习的学习数据集。 现在我真正想要实现的是根据这些样本数据预测价格。这些值可以改变，预测价格应该根据这些计算而变化。

我没有任何具体的价格计算公式，所以我想将这些数据集用作机器学习中数据分类器的学习数据。

我已经尝试使用 Theano 和 Python 实现基于 Deeplearning 的各种算法，但到目前为止，我只成功地预测了具有预定义输出类的输出。有没有使用机器学习算法来预测这些计算的方法？

【问题讨论】：

你想要的是回归，而不是分类。

我正在使用线性回归，但结果不可接受。

【参考方案1】：

我不确定深度学习是否是这种情况下的最佳方法 - 您的特征集非常有限，只能预测单个值。我有一种感觉，即使是简单的回归也会给你可接受的值。

我的建议是您尝试使用H2O 提供的不同模型。除了内置许多模型类型外，它还将绘制各种指标，以帮助您选择最适合您的情况的模型。根据我的经验，几乎总是 GBM 能提供最好的结果。

当你找到你要找的东西时，你可以导出模型并直接在java中使用它。或者，大多数模型类型在 python 的 sklearn 中具有等价物。

【讨论】：

感谢您的建议。我一定会调查的。我也编辑了我原来的问题。总共有 150 个功能可以计算价格。

【参考方案2】：

您可以使用大量的回归算法。检查来自 python 的sklearn doc 并阅读模型以及最适合您的特定情况的模型。

线性模型是一种非常简单的模型，但在处理混乱的数据时非常敏感。

我建议你试试 SVM 的 SVR。