Machine learning 如何为机器学习预测基于计算的数据？

我有大量样本数据，如下所示：

价格取决于从Val_1到Val_14的值（总共150个功能）。我想将此表用作机器学习的学习数据集。 现在我真正想要实现的是根据这些样本数据预测价格。这些值可以改变，预测价格应该根据这些计算而变化

我没有任何特定的价格计算公式，所以我想使用这些数据集作为机器学习中数据分类器的学习数据

---

我曾尝试在Python中使用Theano实现各种基于深度学习的算法，但到目前为止，我只成功地预测了具有预定义输出类的输出。有没有使用机器学习算法来预测此类计算的方法？

我不确定深度学习是否是这种情况下的最佳方法-您的功能集非常有限，只能预测一个值。我有一种感觉，即使是一个简单的回归也会给你提供可接受的值

我的建议是，你可以尝试使用不同的型号。除了内置许多模型类型外，它还将绘制各种指标，以帮助您选择最适合您的情况的模型。根据我的经验，GBM几乎总是能给出最好的结果

---

当您找到您要查找的内容时，您可以导出模型并直接在java中使用它。或者，大多数模型类型在python的

sklearn

中都具有等效性，您可以使用大量的回归算法。查看python中的示例，了解模型以及哪一个最适合您的具体情况

线性模型非常简单，但在处理混乱的数据时非常敏感

---

我建议您尝试SVM的SVR。

谢谢您的建议。我一定会调查的。我也编辑了我的原始问题。总共有150个功能可以计算价格。你想要的是回归，而不是分类。我使用线性回归，但结果是不可接受的。