从机器学习输出中获取输入答案

【问题标题】：Getting input from machine learning output从机器学习输出中获取输入
【发布时间】：2018-03-23 21:18:41
【问题描述】：

我正在构建一个回归模型来预测设备的效率。有没有办法扭转这种情况并从给定输出的模型中获取输入？我知道对于决策树和随机森林等模型，您可以看到特征重要性，对于线性模型，您可以看到赋予每个特征的权重，但是我可以从该模型生成一些输入吗？例如。给定最佳效率，预测输入组合。

【问题讨论】：

这个问题不适合stackoverflow。您可以在stats.stackoverflow.com 上发布此信息。无论如何，反转这个过程就会变成单输入多输出问题，这在 IMO 中是非常困难的，可能会导致无限的解决方案。

【解决方案1】：

您遇到的问题是给定输出有无限多的输入选项。

这就像在高中数学中，您要解决以下等式：

X + 2Y = 1

答案可能是 (0,0,5), (1,0), (2,-0,5)... 当您的问题有无数个答案时，您只要求一个答案。

希望有帮助:)

【讨论】：

【解决方案2】：

这在数学上是不可能的。

假设您有一个将输入通道映射到输出的模型（例如 X、Y -> Z）。每个输入只有一个输出；这被称为一对一。但可能并非每个输出只有一个输入（如果有，将被考虑）。

考虑 Z = X^2 + Y^2。

显然，对于任何 X、Y，我们只有一个输出。这个函数是一对一的。

但是，如果我要给你 Z =8，你不能给我的 X 和 Y。它可能是 X=Y=2，或者 X=2 & Y = -2，或者 X = -2 & Y = 2，或 X=Y=-2。

【讨论】：