从机器学习输出中获取输入
Getting input from machine learning output
我正在建立一个回归模型来预测设备的效率。有没有办法扭转这种情况并在给定输出的情况下从模型中获取输入？我知道对于某些模型，如决策树和随机森林，您可以看到特征重要性，对于线性模型，您可以看到赋予每个特征的权重，但我可以从该模型生成一些输入吗？例如。给定最佳效率，预测输入组合。
您遇到的问题是对于给定的输出有无限多的输入选项。
这就像在高中数学中，您要求解以下方程式：
X + 2Y = 1
答案可能是 (0,0,5), (1,0), (2,-0,5)...
当你的问题有无限多的答案时，你只求一个答案。
希望对您有所帮助:)
这在数学上是不可能的。
假设您有一个将输入通道映射到输出（类似于 X、Y -> Z）的模型。每个输入只有一个输出；这称为一对一。但可能并非每个输出只有一个输入（如果有，将被考虑）。
考虑 Z = X^2 + Y^2。
显然，对于任何 X、Y，我们只有一个输出。此函数是一对一的。
但是，如果我给你Z =8，你不能给我的X和Y。可能是X=Y=2，或者X=2 & Y = -2，或者X = - 2 & Y = 2，或 X=Y=-2.
我正在建立一个回归模型来预测设备的效率。有没有办法扭转这种情况并在给定输出的情况下从模型中获取输入？我知道对于某些模型，如决策树和随机森林，您可以看到特征重要性，对于线性模型，您可以看到赋予每个特征的权重，但我可以从该模型生成一些输入吗？例如。给定最佳效率，预测输入组合。
您遇到的问题是对于给定的输出有无限多的输入选项。
这就像在高中数学中，您要求解以下方程式：
X + 2Y = 1
答案可能是 (0,0,5), (1,0), (2,-0,5)... 当你的问题有无限多的答案时，你只求一个答案。
希望对您有所帮助:)
这在数学上是不可能的。
假设您有一个将输入通道映射到输出（类似于 X、Y -> Z）的模型。每个输入只有一个输出；这称为一对一。但可能并非每个输出只有一个输入（如果有，将被考虑）。
考虑 Z = X^2 + Y^2。
显然，对于任何 X、Y，我们只有一个输出。此函数是一对一的。
但是，如果我给你Z =8，你不能给我的X和Y。可能是X=Y=2，或者X=2 & Y = -2，或者X = - 2 & Y = 2，或 X=Y=-2.