Machine learning 选择什么机器学习模型？

我有一个.csv格式的表，其中包括以下列：

recipe, defect, material1, material2, material3, ..., material122

配方是一种或多种材料组合的ID（例如，配方_1对应于材料1+材料3+材料28，而配方_2对应于材料3+材料5）

缺陷是一个ID，表示使用某个配方制造的某些产品中发现的缺陷

材料n是某种材料的重量。但是，我使用了材料的比例，而不是它们的重量（例如，我说材料1=0.25，材料2=0.75，而不是说给定配方的材料1=5 kg，材料2=15 kg=material1+material2）

注意：同一配方可能存在多个缺陷

它包括124列和近90000行

现在，我需要训练一些模型，使用material1、material2、material3、…、material122作为输入，缺陷作为输出。例如，让我们从我的文件中获取第2-15行：

given input: [0, 0, 0.898, 0.062, 0.039, 0, 0, ..., 0, 0] // ratios of materials for recipe 1701192
given output: [149, 146, 148, 90, 89, ..., 59, 71, 63] // defects found for recipe 1701192

我在这里看到的主要问题是，相同的配方对应不同的缺陷。此外，我需要预测另一个文件中给出的测试数据集中的多个缺陷

它包括123列和8400行。请注意，没有关于缺陷的信息-我需要预测它们

---

不幸的是，我不知道有哪些模型允许对某些属性组合进行多个预测。你能推荐点什么吗？它也可以是一个神经网络。

一种方法是进行多元回归。如果您知道将发生的所有缺陷类型（类别），那么您可以将它们作为“n”因变量，然后对数据执行回归。 在运行回归之前，您应该做的一件事是标准化或规范化您的输入数据（如果您还没有这样做的话）。如果您的所有输出变量彼此独立，那么您也可以在模型中对它们中的每一个运行单独的分析