Python 从机器学习输出中获取输入

我正在建立一个回归模型来预测设备的效率。有没有一种方法可以逆转这种情况，并从给定输出的模型中获取输入？我知道对于一些模型，比如决策树和随机森林，你可以看到特征的重要性，对于线性模型，你可以看到每个特征的权重，但是我可以从这个模型中生成一些输入吗？给定最佳效率，预测输入组合。

您遇到的问题是，给定输出有无限多个输入选项

就像在高中数学中，你想解以下方程式：

X+2Y=1

答案可能是（0,0,5），（1,0），（2，-0,5）。。。 当你的问题有无限多个答案时，你在要求一个答案

---

希望有帮助：）这在数学上是不可能的

假设您有一个将输入通道映射到输出的模型（类似于X，Y->Z）。每个输入只有一个输出；这就是所谓的一对一。但可能不是每个输出只有一个输入的情况（如果有，则会被考虑到）

考虑Z=X^2+Y^2

显然，对于任何X，Y，我们只有一个输出。这些功能是一对一的

---

但是，如果我给你Z=8，你不能给我的X和Y。它可能是X=Y=2，或者X=2&Y=-2，或者X=-2&Y=2，或者X=Y=-2。

这个问题不适合堆栈溢出。你可以把这个发到网上。无论如何，逆转这个过程就变成了单输入多输出问题，IMO很难做到这一点，并且可能导致无穷多的解。