让我用一个例子详细询问这个问题：
我有一个包含列（a，b，c，d，e，f，g）的历史数据集
现在我必须根据'a'的值来预测（b，c，d，e，f，g）。
用现实世界的例子替换a，b，c，d，e，f，g。
根据租金数量和每小时租金成本，考虑一个包含自行车租赁店一天收入的数据集。
现在我的目标是预测每个月的租金和每小时的费用，以达到我的收入目标5万美元。
这可以吗？只需要一些指导如何做到
答案 0 :(得分：2)
你基本上想要最大化：
P(B|A)*P(C|A,B)*P(D|A,B,C)*P(E|A,B,C,D)*P(F|A,B,C,D,E)*P(G|A,B,C,D,E,F)
如果数据B，C，D，E，F，G都是i.i.d. （但确实取决于A）你基本上试图最大化：
P = P(B|A)*P(C|A)*P(D|A)*P(E|A)*P(F|A)*P(G|A)
解决问题的一种方法是使用Supervised Learning。
根据您的历史数据训练一组classifiers（或regressors，具体取决于B，C，D，E，F，G的值：A->B, A->C ... A->G，以及何时给定一些值a的查询，使用所有分类器/回归量来预测b，c，d，e，f，g的值。
＆＃34;技巧＆＃34;是为多个输出使用多个学习者。请注意，在I.I.D因变量的情况下，这样做没有任何损失，因为每隔P(Z|A)最大化，也会最大化P。
如果数据不是iid，则最大化P(B|A)*P(C|A,B)*P(D|A,B,C)*P(E|A,B,C,D)*P(F|A,B,C,D,E)*P(G|A,B,C,D,E,F)的问题是NP-Hard，并且可以从Hamiltonian-Path Problem（P(X_i|X_i-1,...,X_1)> 0缩小，如果有优势的话(X_i-1,X_i)，寻找非零路径。）
答案 1 :(得分：0)
这是一个典型的分类问题，一个简单的例子是“如果a> 0.5然后b = 1且c = 0 ......而如果a <= 0.5，那么b = 0且c = 1 ......” 你可能想看看nnet或h2o。