我在机器学习方面还比较新,但是我想要解决以下问题。这是一种反向预测的问题。 我有很多输入数据,并相应地为每个记录提供一个输出结果。因此,我可以轻松进行分类并预测未知的新数据的输出结果。 我想要解决的问题是,给定一个期望的结果,如何对一组能够以非常高的概率得到所需的定义输出的输入数据进行分类。
为了让问题更加复杂,我想要灵活地定义一些输入条件,这些条件可能是不可改变的(例如男/女),并添加这些条件作为过滤器,并获得新的反向预测 - 除了给定的条件外,最相关重要的输入是什么,才能得到预期的和定义的输出结果。
让我们举个例子:我有成千上万条学生记录,包括教育等信息以及他们在工作经验10年后是否赚得普通或极高的薪水。因此,如果我是一名新生,我可以根据我的教育、性别、毕业时的年龄、我正在学习什么等因素预测我的收入水平是高还是低。 我的问题是,假设我是男性,毕业时的年龄是给定的,我应该学习什么来有很高的概率赚到极高的薪水呢?