建立化学公式的机器学习方法

Question

我们在化学公司工作。我们有近3000种化学配方，由化学原料组成。

我们的化学配方由20-25种原料组成.正如你猜的那样，这些原材料的数量对我们的配方非常重要。因此，我们通过使用不同的原料和不同的原料来获得不同的产品。

以下是一些例子：

一级方程式样本：

%10 Raw material A
%25 Raw material B
%5 Raw material C
%60 Raw material D

结果产品具有以下特性：

Property X: 3
Property Y: 10
Property Z: 2

我们应该使用什么样的机器学习方法？我一直在寻找CNN，但正如你所看到的，有许多输入和输出属性作为参数。

我们的目标是通过使用我们的现有公式来训练一个网络，然后我们希望我们的网络能够根据我们给出的输入参数来创建新的公式。

Answer 1

在选择ML方法时，一个很好的起点是sklearn算法备忘单：

你是在预测数量，所以回归类变量是你要找的。具体来说，您有多个连续输入和多个连续输出，这是一个多元(线性)回归族。

正如评论中所强调的那样，首先要建立一个简单的基线模型，然后在复杂程度上努力提高CNN或其他方面的性能。