如何通過機器學習運行反向預測？

Question

我對機器學習相當陌生，但我正在尋求解決以下問題。這是一種逆向預測。 我有很多輸入，因此每個記錄一個輸出。因此，我可以輕鬆進行分類並預測未知新數據集的輸出。 我想解決的問題是獲取一個預期結果，並對輸入數據集進行分類，這將對預期的定義輸出產生極高的可能性。

爲了使問題更加複雜，我希望能夠靈活地定義一些可能無法更改的輸入條件（例如男性/女性），並添加這些條件（如過濾器）並獲得新的Revers預測 - 什麼將成爲除給定預期和定義的結果之外最相關的重要輸入。

舉一個例子：我有成千上萬的學生記錄，包括教育等等，以及在10年工作經驗後他們賺取正常或極端的錢的信息。因此，如果我是一名新生，我可以根據自己的教育程度，性別，年齡，學習等等來賺取大筆金錢或平均水平，從而預測結果。 我想得到的是事實我是男性，在學位時期有預期的年齡，我應該研究什麼纔能有極高的可能性？

Answer 1

這個問題並不是一個獨特的或最佳的解決方案，雖然它可以通過幾種方式解決IMO。

要理解的關鍵事實是，您有從矢量輸入到標量/分類輸出的信息丟失。由於多個非常不同的輸入向量可能導致相同的輸出值，因此稀釋信息組件，它不是「可逆」或「可逆」轉換。

說這個問題的一個可能的攻擊角度是聚集你的輸入矢量，爲每個輸出值獲得幾個相關的聚類。然後，您可以提取這些輸入聚類中心並檢查導致期望結果的這些原型值。這樣你就可以得到你想要的反向'輸入興趣點'。