解决受条件约束限制的优化问题

Question

基本上，我有一个数据集，其中包含一些（207）变量的“权重”，其中一些比其他变量更重要，用于确定类变量（二进制），因此它们更大等。最后所有权重相加向上跨越所有列，以便为每个观察获得最终的累积权重。 如果这个权重高于某个数字，则类变量为 1，否则为 0。我确实有一个类变量的真实标签，所以问题是尽量减少误报。

问题是，对我来说，这看起来像是一个 OR 问题，因为它是关于找到最佳权重的。但是，我不确定是否有解决此类问题的 OR 方法，至少我还没有听说过。问题是：有人认识这类问题，可以发一些关键词让我研究吗？

当然，另一件事是通过机器学习而不是确定性方法来预测，但我需要这样做。

谢谢！

Answer 1

变量是离散的（整数等）还是连续的（浮点数）？

如果它们是离散的，这听起来像是背包问题，而 OptaPlanner (see this training that builds a knapsack solver) 等约束求解器擅长此问题。

如果它们是连续的，请寻找 LP 求解器，例如 CPLEX。

无论哪种方式，您都将获得比机器学习方法更好的结果，因为神经网络等人在模式识别用例（图像/语音识别、预测、分类等）方面表现出色，但在约束方面始终逊色优化问题（我想像这样）。