我需要一种合适的机器学习方法,它将告诉我特征向量中特征的最可能值,给定该向量中的其他特征(以及从训练集获得的知识)的组合。我的特征向量可以包含数千个特征。但是,实际上只有极少数特征组合可能发生。我希望分类器能够学习这些合理的组合。
玩具示例:如果我的训练向量是(0,1,2),(1,1,2),(2,2,2)那么分类器应该预测未知项目(3,1,x) )x的最可能值是'2'。
请注意,分类器应该能够在给定该向量中其他要素的(n-1)值的情况下对向量中的每个要素进行此类预测。
我已经尝试过朴素贝叶斯分类器......但这只能告诉我给定特征向量最可能的类别......而不是传入特征向量中特定特征的可能值。
有人可以建议一个适合我的方法吗?理想情况下,在Python中引用合适的包?
谢谢和亲切的问候 -
专利
答案 0 :(得分:0)
在Scikit-Learn中查看您可以使用的内容。您正在寻找的是其中包含“回归”一词的任何内容(与分类相对应)。我将从线性回归开始作为您的基线,并根据您可以负担的计算尝试一些其他回归技术。