Python 3.x 基于AI/ML的误差检测生产线_Python 3.x_Tensorflow_Machine Learning_Deep Learning_Artificial Intelligence

Python 3.x 基于AI/ML的误差检测生产线

python-3.x tensorflow machine-learning deep-learning artificial-intelligence

Python 3.x 基于AI/ML的误差检测生产线,python-3.x,tensorflow,machine-learning,deep-learning,artificial-intelligence,Python 3.x,Tensorflow,Machine Learning,Deep Learning,Artificial Intelligence,我是AI/ML领域的新手，需要使用python语言解决以下问题基本上，我有一些按顺序排列的参数，我想使用有监督的技术来发现错误我想找出生产过程中的错误，它有一个顺序范例，如下所示产品ID、产品类型、类别类型、产品线、结果（好、坏）假设系统采用以下训练数据集 Product ID, Product type, Category type, Product Line, Result (Good, Bad). ID1, PT, CT, [L1,L2], Good ID2, PT, CT, [L

我是AI/ML领域的新手，需要使用python语言解决以下问题

基本上，我有一些按顺序排列的参数，我想使用有监督的技术来发现错误

我想找出生产过程中的错误，它有一个顺序范例，如下所示

产品ID、产品类型、类别类型、产品线、结果（好、坏）

假设系统采用以下训练数据集

Product ID, Product type, Category type, Product Line, Result (Good, Bad).
ID1, PT, CT, [L1,L2], Good
ID2, PT, CT, [L1,L2], Good
ID3, PT, CT, [L1,L2], Good

给定的测试数据集是

ID4, PT, CT, [L1,L3], Bad

什么是AI/ML技术可以检测出“坏”的原因，即L3产品线？另外，我是否可以将这些新数据添加到训练集中，以便在以后预测错误的原因？如何在Python中实现它？

我不确定这是否可行，但您可以看看反向分类问题。

您希望您的算法告诉您结果不好，还是希望它告诉您结果不好是因为L3问题？