问题陈述有点模糊但我正在寻找方向，因为隐私政策我无法分享确切的细节。所以请帮忙。
我们手头有一个问题，我们需要提高设备的效率，换句话说，决定机器运行时多个参数中的哪些值可以产生最佳输出。
我的疑问是，是否有可能使用线性回归或多项Logistic回归算法得出这样的数字，如果没有，那么请指出哪种算法更合适。您也可以请我指出一些关于公共领域可用的此类问题的积极研究。
我要求提出建议的问题类型是否属于机器学习领域？
答案 0 :(得分：2)
这里有很多未知数，但我会做出一些假设。
您尝试做的事情可能通过多元线性回归实现。我对亚马逊服务并不熟悉（我甚至不知道它存在，直到你提起它，它在欧洲不可用）。但是，阅读文档表明亚马逊服务将能够为您执行此操作。你可能遇到的问题是它适合那些不熟悉这个领域的人，它的许多功能可能会被删除或聚集在一起以防止混淆。我的印象是你已经转向这项服务，因为你对这个领域有点不熟悉。
可能更适合您需求的是响应面方法（RSM），我已将其应用于工业优化问题，我认为这些问题与您的建议相似。如果您可以通过中心复合设计或Box-Behnken设计等实验设计获取数据，则RSM效果最佳。我建议你花点时间用谷歌搜索这些术语来了解它们，我不认为学习如何在这个领域没有经验的情况下应用这些术语是一种难以管理的负担。因为你的问题含糊不清，只有你可以确定这是否真的合适。如果您已经拥有非结构化格式的数据，您仍然可以生成RSM，但它的稳健性较差。有很多使用这些技术的开放获取文章，但Science Direct现在很方便了！
Minitab是一个软件包，可以为您完成所有回归和RSM。它的优势在于它具有强大的GUI并且部分反映了Excel，所以它比R更难以进入。它还有很多在线指南。他们提供30天免费试用，因此在下载试用版之前，可能需要进行一些背景阅读，收集所需的教程并制定行动计划。
希望这是一些帮助。