我的项目看起来像这样：我的数据集是一堆人物的个人资料，具有各种属性，例如： boolean hasJob和int healthScore，以及他们的收入。使用这些数据，我试图预测他们未来的收入。每个档案也有一个历史：例如，他们的属性和收入在过去。
所以从本质上讲，我试图将多组（x布尔，y数字）映射到一个数字（来年的工资）。
我考虑了神经网络，贝叶斯网络和函数拟合的遗传算法。有什么建议或意见吗？
提前致谢！ --Emily
答案 0 :(得分：1)
您想要做的是“时间序列建模”。但是，每个系列（每个人）可能只有非常少的数据。我认为很难找到一个适合每个人的模型，因为你做了一些一般的假设，例如：每个人都是以职业为导向。这也是一个嘈杂的目标，它可能是如果有人是甜食者，你必须考虑到。你怎么测量这样的东西？我很确定你当前的属性有足够的噪音，这使得很难预测任何事情。当你说健康状况时，你的意思是身体健康还是心理健康。在不同的企业中，不同的事情很重要那些他们正在从事的业务或行业呢？它的健康和增长潜力？我认为这会极大地影响他们的收入。我还认为你有因变量以及属性可能（并且可能）受目标变量的影响。 E. g。收入较高的人有更好的健康。这听起来像是一个非常复杂和困难的事情，绝对没有“我天真地将我的数据分组并尝试了一堆方法”将给出有意义的结果。我建议您了解有关时间序列建模的更多信息，尤其是有关您拥有的数据的信息。也许尝试从群集人员的初始属性开始，看看他们是如何发展的。是否存在与此开发相关的变量？
您的研究问题是什么？