Optimization 组合时间序列指示器以提高预测能力

我正在开始一个数据分析项目，我很好奇处理以下情况的最佳方法是什么：

1个结果变量（数字）， 4个预测变量（所有数值）

任何变量之间都没有关系（线性或非线性）

python中的数据集：

import pandas as pd
import numpy as np
pd.DataFrame( np.random.random([100,5])*100-50, columns=[['outcome','v1','v2','v3','v4']]  )​

寻求v1-v4的子集，使总和（结果）最大化，最少5例。 如果没有最小输出约束5，我只需找到max（output）和v1-v4的值，我会使用它们作为过滤器。但由于我需要多个案例，我需要进行暴力搜索，如果这有意义的话，我认为这是对分类数据的优化

做这个优化搜索的好方法是什么

此外，如果有任何不清楚的地方，请发表评论

---

Ben

添加了一个数据集来帮助某人回答最近有了一个新的想法——将结果变量视为数字变量，将其他变量视为字符串或分类值。这可能有助于设置优化器。。