解释模型的回归模型(内部细节)
我是一个机器学习方面的新手，我想根据我遇到的一个问题提出一些问题。
假设我有x作为变量，并且随着时间的推移，我有这些变量的值，例如：
t0 = x0 y0 z0
t1 = x1 y1 z1
tn = xn yn zn
现在我想要一个模型，当它给出x，y，z的3个值时，我想要对它们的预测如下：
输入: x_test y_test z_test输出: x_prediction y_prediction z_prediction
这些值是浮点数。解决这种问题的最佳模式是什么？事先谢谢你的所有答案。
更多细节:好的，让我给出更多关于问题的细节，以便更具体。
每隔一段时间，我从系统的核心运行了某些基准并获取了性能计数器的值。
上面的example.They中的性能计数器是x、y、z，它们依赖于每个other.Simple示例是x= IPC，y= Cache misses，z= Energy。
因此，我得到了所有这些性能计数器的数据集，我想要做的是创建一个模型，在从训练数据集中学习之后，它将被赋予核心的某个状态(性能计数器)，并预测核心在下一个时间间隔中的性能计数器。
回答 2
Data Science用户
发布于 2014-10-16 14:34:33
AFAIK如果您想预测一个变量的值，您需要有一个或多个变量作为预测器；也就是说:假设一个变量的行为可以用其他变量的行为来解释。在您的例子中，您有三个独立变量，它们的值是您想要预测的，而且由于您没有提到任何其他变量，我假设每个变量都依赖于其他变量。在这种情况下，您可以拟合三个模型(例如，回归模型)，每个模型都将根据其他变量预测一个变量的值。例如，预测x：
x_prediction=int+cy*y_test+cz*z_test，其中int是截距，cy，cz是线性回归的系数。同样，为了预测y和z：
y_prediction=int+cx*x_test+cx*z_test
z_prediction=int+cx*x_test+cy*y_testData Science用户
发布于 2014-10-27 15:43:00
好的，时间t-1的值可以预测时间t的值。这是有道理的。
首先，你应该决定你是否认为这些价值观是独立的。X可以预测y或z吗？你认为前1值是可预测的，还是前n？
无论哪种方法，您都可以将其建模为一个简单的回归问题。什么技术是最好的，真正取决于您期望的关系是什么，以及这些变量是什么；我不确定这是给出的。
例如，如果它们的传感器值读取得相当快，并且传感器变化缓慢，您可能会期望一些简单的模型，比如移动平均法，会做得很好。对于其他类型的值，这根本不具有预测性。
这看起来像马尔可夫链模型，所以你可以研究一下，但不知怎么的，我认为它对我认为的问题太笼统了。
https://datascience.stackexchange.com/questions/2287
复制相似问题
腾讯云开发者
