数据准备，选择算法

Question

首先，我是机器学习的新手，所以这些问题可能是微不足道的。

基本上，我试图调优一个有数字旋钮和数字输出的对象。通过进行蛮力调优(排列)，可以找到输出的理想值，但这需要时间。我正在尝试使用ML至少缩短调优过程。

我有一个数据集，为大量优秀的单位，成功地调优，但在各种尝试。

例如:传递要求:X=近10，Y=近5，Z=近4

目标1：

Try 1 => A = 1, B = 2, C = 3 ; X = 1, Y = 0, Z = 1  => not good
Try 2 => A = 1, B = 1, C = 1 ; X = 10, Y = 5, Z = 4 => good enough

目标2：

Try 1 => A = 1.4, B = 2.6, C = 3.8 ; X = 10, Y = 5, Z = 3.9 => lucky!!!

目标3：

...
Try 10 => A = 1.4, B = 2.6, C = 3.8 ; X = 10, Y = 5, Z = 3.9 => took a while!!!

我想知道如何准备这些数据，以便用这种类型的问题进行培训和测试，因为每个对象在成功调优之前都有不同的尝试次数。我是否应该对每个对象进行最后一次成功的组合，并保持相同的列(A、B、C、X、Y、Z)。或者把它们全部拿走(每个对象有多行)？

或者，对于每个对象记录，追加另一组列，以便每个对象只有一行。例如(A1，B1，C1，X1，Y1，Z1，A2，B2，C2，X2，Y2，Z2，An，Bn，Cn，Xn，Yn，Zn)

至于算法的选择，我只能明确表示，这不是一个分类问题(或二进制结果)。比如回归，决策树，或者爬山，如果有这样的事情？

Answer 1

我不知道我是否会把这称为每一个se...though的机器学习问题，其他人可能不同意，这听起来像是一个优化问题。

你的描述是模糊的，但让我们假设这是一个吉他，你想要调，你有6根弦。诀窍是定义一个目标函数，用一个数字量化调优效果。(程序可以独立地操纵每根绳子的张力)。也许这是一个理想FFT的能量偏差，你可以把每个字符串的偏差相加。

优化例程，如单纯形、子丛、need、GA等，是以“智能”方式操纵张力的方法，避免了对蛮力(或“网格搜索”)解决方案的需要。只要你能定义一个目标函数，你就可以开始尝试它，尽管局部的最大/分钟问题需要处理。

我将学习一些关于最小化算法的教程。