我应该使用什么机器学习算法？

Question

我正在尝试编写一种算法来估计我知道系统的物体的质量。

我的数据是x和y点的形式，所以我可以将它们表示为多个x和y点，或者通过表示x和y点的平均值和偏差来表示。这可能取决于算法的参数。

我不需要分类器，我正在寻找数值估算。

例如，x值：{1,2,3，...}，y值：{1,2,3，...} - ＆gt;质量：5， 或x值：{2（mean），1（std）} y：{2,1} - ＆gt; 5

我对机器学习很陌生，分类器似乎不是解决这个问题的方法，而我查找的回归学习算法似乎试图估算参数，而不是结果。

我也计划用Python做这件事，但我不需要包或其他东西，一般的算法应该让我走上正轨。

编辑以响应blubb

我的数据以一组x点，一组y点和一个质量的形式给出。 例如，

x values   |   y values   | mass
--------------------------------
1 2 3 4    |   1 2 3 4    | 6.7
2 3 4 5    |   2 3 4 5    | 7.9

我会收到一个输入，例如：

x values   |   y values
-----------------------
5 6 7      |   8 9 10

另一种反感它的方式（可能在向量空间方面很聪明）就是用手段和标准来表示值，所以我的训练数据会变成：

x mean | x std | y mean | y std | mass
--------------------------------------
2.5    | 1     | 2.5    | 1     | 6.7
3.5    | 1     | 3.5    | 1     | 7.9

这些显然不是真正的价值观，而是代表性的例子。 （所有值都是浮点数）

Answer 1

您正在寻找估算函数f: R² -> R，因此回归是您应该研究的方法系列。然而，哪种回归在很大程度上取决于(x, y)和mass之间的关系。

一般而言，回归方法定义了成本函数c: R² x F -> R+和一组F个函数可供选择。集合F通常是无限的，并以某种形式进行参数化。这使得大多数回归方法都存在估算最佳f（您称之为“估计参数”）的参数的问题。

为了确定哪种回归方法最合适，您必须找出以下内容：

• 什么是有意义的费用函数c？
• 如何选择功能集F？

例如，线性回归选择线性最小二乘成本函数，并将定义F设置为所有线性函数f: R² x R的集合。这可能是您想要的，也可能不是，这取决于您的设置。

因此，解释可以确定三元组(x, y, mass)的实验设置可能有助于阐明这一点。