学习非线性函数$f(X)$预测多个输出的最佳方法是什么？

Question

我有特性数据X和(u_1, u_2, u_3, u_4) = f(X)与u_1, u_2, u_3, u_4 \in \mathbb{R^+}的四个预测。f是一个未知的函数(没有关于它的属性的假设)，需要学习它来预测样本外的u。

我有训练数据，包括大约。X和f(X)的10k观测(行)。一个与数据相关的问题是，我知道在我的样本外数据中，我将观察到两个特性x_1和x_2的许多看不见的特征值，我知道它们对f(X)的值非常重要。

是否有一种模型非常适合学习函数f并进行多个实值预测( (u_1, u_2, u_3, u_4) )，理想情况下，f也可以很好地推广到未见数据？

Answer 1

嗯，我在DS上也是很新的，但是我相信你需要尝试一些模型来确定每个模型更适合我们的数据。类似于：

1. 准备数据(标准化或标准化)。
2. 把数据分开。
3. 训练模特。
4. 验证。
5. 调音。
6. 使用。

模型的目的是概括现实世界，因此，您需要研究这个看不见的值是否与您所拥有的数据很远。这可能会导致您进入一个非现实主义的模型，您需要收集更多的数据。