优化ML模型中的一个输入以最大化总预测

Question

我想对mtcars数据集上的这个简单模型运行一个优化问题，该模型在给定其他数值特征的情况下预测mpg。想法是将构建的模型用作目标函数，我们希望找到训练集上的cyl的最佳值，以使该训练集的mpg预测的总和最大化。

因此，问题的解决将是分配cyl值，其范围可以从2到10（整数），并且存在一个约束，其中分配的cyl的总和为50，这会使总的“ pred”（或总mpg）最大化训练集）？

正在查看优化函数，但不确定是否可以在这里使用。

data(mtcars)
head(mtcars)
library(xgboost)

# create model
bst = xgboost(data=as.matrix(mtcars[,-1]),label=mtcars[,1],
              objective='reg:linear',nrounds=5)

pred = predict(bst,as.matrix(mtcars[,-1]))

使用Python或R或任何一种语言的小型工作解决方案来定向任何合适的软件包都很好。