机器学习方法需要：预测给定特征向量中所有其他特征的最有可能的特征值

Question

我需要一个合适的机器学习方法，它将告诉我特征向量中最可能的值，该向量中的其他特征（以及从训练集中获取的知识）。我的特征向量可以包含几千个特征。但是，只有极少数功能组合可能会发生。我希望分类器学习这些合理的组合。玩具示例：如果我的训练向量是（0,1,2），（1,1,2），（2,2,2），那么分类器应该预测对于未知项目（3,1,1,2,2,2） x）x的最可能值是'2'。

请注意，分类器应该能够对给定该向量中其他要素的（n-1）个值的向量中的每个要素做出这样的预测。

我已经尝试过朴素贝叶斯分类器...但是这只告诉我给定特征向量的最可能类别...不是输入特征向量中特定特征的可能值。

任何人都可以请建议一个适合我的方法吗？理想情况下，在Python中引用合适的包？

感谢和亲切的问候 -

帕特

Answer 1

看看什么Scikit-Learn提供给您。你所寻找的是任何带有“回归”一词的东西（就像分类一样）。我会以线性回归作为您的基线，并根据您可以承受的计算方式尝试一些其他回归技术。