机器学习模型用于预测好的机器设置给定坏的机器设置

Question

我有一个关于生产产品的机器的数据集。有关数据集的显著特性：

·对于每个数据点，一些特征是用于制造产品的机器设置(校准因子、研磨时间、压力、水温)，而其他一些特性在本质上是随机的和外部的，例如水的硬度。

·产量表明产品的质量是好还是坏。

目标：

·当我有一个新的数据点说产品质量不好时，我想把相应的特征(机器设置+随机外部特征)输入到ML模型中，并预测机器设置，从而得到高质量的产品。想法是有一个基于ML的智能控制器，将调整机器设置，以减少错误的产品正在生产。

哪种ML模型适合这个目的？

Answer 1

你能更准确地解释这个问题吗？什么是输入(除了控制设置)，如果输入是固定的，输出是否相同？是否存在任何随机变量(外部因素容易发生概率行为)，期望的结果是什么？(通过选择设置或类似的方法来最小化错误结果)

Answer 2

给定您的数据集，您可以预测使用某些机器设置制作的给定产品是质量差还是质量好。但是，使用直接机器学习技术很难实现您想要实现的目标(预测机器设置)，因为您将只有一个特性和多个目标变量。

但是，您可以在这里使用knn类型方法。让我们用您想要更改设置的坏产品调用数据点A。使用knn方法，查找A的1(或k)近邻，它们有好的产品。然后，您可以使用这些邻居的机器设置或它们的平均值。不过，这不是机器学习！