如何使用机器学习或预测来解决 Python 3 中的这种回归？
How to use machine learning or prediction to solve this regression in Python 3?
我想了解有关机器学习的技巧。
输入：
[[2, 3, 7],
[3, 9, 5],
[2, 6, 4]]
输出：
[4, 1, 1].T
已经给出了数据集。我想知道输入 [8, 1, 7] 的输出。我认为这是一种机器学习-回归问题。从根本上说，让我们猜测输入数据集是一组纯数字。
从长远来看，我想知道某些输入集不是纯数字的情况，但现在不急，以后再考虑。直觉上看起来很简单，但是我技术不好，搜索不到怎么解决。
我该如何解决这个问题？
您的 3 个观察数据集非常小，无法采用合理的机器学习技术。
我可能会在这里使用 k 最近邻方法：给定输入，计算到已知数据点的距离，以及 select 与最近的数据点相关联的输出。
这里，最接近 [8,1,7] 的观测值（通过欧几里德距离测量）是 [2, 3, 7]，因此该方法将预测输出为 4。
如果您获得更大的数据集，您将能够使用更好的方法。
我想了解有关机器学习的技巧。
输入：
[[2, 3, 7],
[3, 9, 5],
[2, 6, 4]]
输出：
[4, 1, 1].T
已经给出了数据集。我想知道输入 [8, 1, 7] 的输出。我认为这是一种机器学习-回归问题。从根本上说，让我们猜测输入数据集是一组纯数字。
从长远来看，我想知道某些输入集不是纯数字的情况，但现在不急，以后再考虑。直觉上看起来很简单，但是我技术不好，搜索不到怎么解决。
我该如何解决这个问题？
您的 3 个观察数据集非常小，无法采用合理的机器学习技术。 我可能会在这里使用 k 最近邻方法：给定输入，计算到已知数据点的距离，以及 select 与最近的数据点相关联的输出。 这里，最接近 [8,1,7] 的观测值（通过欧几里德距离测量）是 [2, 3, 7]，因此该方法将预测输出为 4。 如果您获得更大的数据集，您将能够使用更好的方法。