Machine learning 机器学习-预测多个变量的总和达到100%

我正在为当前的美国总统选举制作一些玩具模型。共有四名候选人，每人将赢得大约%的选票。我的目标是预测每个候选人的百分比

到目前为止，我已经尝试用一个学习变量（%vote rec'd）和几十个因变量构建一个数据集。使用WEKA，我尝试了MLP和其他几种学习方法。我的问题是，一旦我学会了一个投票模型，我对每个候选人的投票份额的预测永远不会达到100%

---

显然，在这种情况下，有必要将获得的选票总数增加到100%。我处理问题的方法错了吗？我能做些什么来改进我的方法

这是因为百分比的相互依赖性似乎没有嵌入到您的方程式中。如果你是从头开始写的，你会在某个地方包含一个等式，强迫v0+v1+v2+v3=1。这些被称为约束，它们被用来在你的方程组上施加一些基本的物理条件，否则它们就不会遵守

然而，我并不反对阿比耶尔的回答。如果您有一个对您来说似乎合乎逻辑的模型，那么缩放是一个不错的选择

---

v0=v0*100/（v0+v1+v2+v3）等。

您可以进行标准化以标准化数据。它将确保%总和为100。