如何解决是否可以通过对离散目标进行训练来做出明确的预测?
这个问题似乎有点复杂,我会清楚地解释我想要实现的目标。所以我的公司为我提供了这些数据,我可以用它来训练模型。
PartsProdM1 | PartsProdM2 | PartsProdM3 | ...其他功能... | M1-D | M1-D | M1-D |
---|---|---|---|---|---|---|
500 | 344 | 870 | ………… | 0 | 1 | 1 |
450 | 900 | 540 | ………… | 1 | 1 | 0 |
300 | 600 | 200 | ………… | 1 | 0 | 1 |
所以从上表中列名的含义如下:
- PartsProdM1 / M2 / M3 - 是机器 1、2 和 3 生产的零件
- 其他功能可以是 - 机器名称、产品名称等
- M1-D / M2-D / M3-D - 是目标,它们表示 M1 / M2 和 M3 是否损坏,即如果 0 - 未损坏 (0 %) ||如果 1 - 损坏 (100%)
任务:
是从这些训练数据中创建一个回归模型,可以给出类似这样的预测:
M1-D | M1-D | M1-D |
---|---|---|
40.89 | 35 | 37.89 |
55 | 44.6 | 76 |
71.5 | 98.9 | 87 |
我知道仅仅通过训练目标 0 和 1 来做出准确的预测听起来很荒谬 但是有什么方法或过去的参考资料可以使这件事发挥作用吗?
我的公司说他们无法提供训练所需的目标信息,即他们只能说机器是否坏了 (1) 或没有坏 (0)。
目前,我正在使用神经网络通过 MSE 损失函数进行预测。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。