machine-learning - 如何优化（最小化）机器倾斜模型的输出？

情况如下：想要优化采用蜡来制造蜡制品的工艺。对于要制造的每种产品，存在不同的蜡组成，以及用于该过程的一组参数（机器配置）。在此过程中，由于制造缺陷，一些物体被丢弃。

我的第一个想法是创建一个受监督的机器倾斜模型，它将蜡组成和机器配置作为输入，并将浪费的对象的数量作为输出（我有这样做的数据）。

我的问题是：在创建该模型后，如何找到最佳工艺参数（机器配置）以最小化浪费对象的数量，对于给定的蜡组合物（它可以是以前从未见过的新组合物）。

更好配方的问题：

我有一个机器设置的特征向量s = [s1，s2，...，sn]，蜡组成的特征向量w = [w1，w2，...，wm]和s的不同组合而且我有相关的费用J.

我有一个培训示例数据库，它将不同的向量s和w与成本J相关联。

有了这些数据，我想创建一个系统，我将输入一个向量w，系统将输出一个向量s，这样就可以最小化该特定向量的成本J.

抱歉缺乏精确的配方。