我的項目看起來像這樣：我的數據集是一羣具有各種屬性的人的配置文件，例如， boolean hasJob和int healthScore，以及他們的收入。利用這些數據，我試圖預測他們未來的收入。每個配置文件還有一個歷史記錄：例如，過去他們的屬性和收入是什麼。推薦的AI /機器學習：配置文件輸入，收入預測
因此，本質上我試圖將多組（x布爾值，y數字）映射到一個數字（來年的薪水）。
我已經考慮了神經網絡，貝葉斯網絡和用於函數擬合的遺傳算法。任何建議或意見？
在此先感謝！ - Emoily
你想要做的就是所謂的「時間序列建模」。但是，你可能每個系列只有很少的數據（每個人）。我認爲很難找到適合每個人的模型，因爲你可以做出一些一般的假設，例如，每個人都是職業導向。此外，這是一個嘈雜的目標，它可能是，例如，你必須考慮到，如果有人是sweettalker或不。你如何衡量這樣的事情？我很確定你目前的屬性有足夠的噪音，這將使得很難預測任何事情。當你說健康狀況時，你的意思是身體健康還是心理健康。在不同的企業中，不同的事情很重要他們工作的企業或行業呢？它的健康和增長潛力？我會認爲這極大地影響了他們的收入。我也認爲你有因變量以及屬性可能（也可能）受到你的目標變量的影響。例如，收入較高的人有更好的健康。這聽起來像一個非常非常複雜和困難的事情，絕對沒有什麼地方「我天真地分組我的數據並嘗試了一堆方法」將會給有意義的結果。我建議更多地瞭解時間序列建模，特別是關於您擁有的數據。也許可以嘗試從集羣初始屬性開始，看看它們是如何發展的。有沒有與這種發展相關的變量？
你的研究問題是什麼？