设计一个数据模型来预测函数总和的值

Question

我正在从事数据挖掘项目，我必须设计以下模型。

我给出了 4 个特性 x1、x2、x3 和 x4 以及在这些上定义的四个函数

功能，使得每个功能都依赖于可用功能的某个子集。

例如

F1(x1, x2) =x1^2+2x2^2

F2(x2, x3) =2x2^2+3x3^3

F3(x3, x4) =3x3^3+4x4^4

这意味着 F1 是一些依赖于特征 x1、x2 的函数。 F2 是一些依赖于 x2、x3 等的特征

现在我有一个可用的训练数据集，其中 x1,x2,x3,x4 的值已知并且 sum(F1+F2+F3) {我知道总和但不知道函数的单个总和)

现在使用这些训练数据，我必须制作一个可以正确预测所有函数总和的模型，即 (F1+F2+F3)

我是数据挖掘和机器学习领域的新手。所以如果这个问题太琐碎或错误，我提前道歉。我试图以多种方式对其进行建模，但我对此没有任何清晰的想法。对于这方面的任何帮助，我将不胜感激。

Answer 1

您的问题是非线性回归。你有特点

x1 x2 x3 x4 S 其中 (S = sum(F1+F2+F3) )

您想使用 Xn 预测 S，但 S 函数是非线性的。 由于您的函数 S 是非线性的，因此您需要对这个问题使用非线性回归算法。普通nonlinear regression 可能会解决您的问题，或者您可以选择其他方法。例如，您可以尝试Tree Regression 或MARS (Multivariate Adaptive Regression Splines)。它们是众所周知的算法，您可以找到商业和开源版本。