In der linearen Regression ich immer die Situation gesehen habe, wo ich viele Funktionen haben und ich benutze sie einen einzigen Ausgang vorherzusagen, zum Beispielvorhersagen Vektorwerte anstelle von einzelnen Ausgabe
f1 f2 f3 f4 --> y1
f1 f2 f3 f4 --> y2
und so weiter ... Ich möchte wissen, ob es etwas gibt, wo der vorhergesagte Wert, dh y1 ist eigentlich ein Vektor kein einziger Wert
Ja, so ziemlich jede Regressionsmethode (neuronale Netze, Unterstützung Vektorregressoren, zufällige Waldregressoren, ....) funktioniert gut für multidimensionale Ausgabe. Einschließlich lineare Regression. Insbesondere, wenn Y N Zeilen und K Spalten-Vektor von Werten vorherzusagen, und X ist N Zeile, d Spaltendatenmatrix, linear reggresion ist einfach
A = (X'X)^-1 X'y
und dann Prädiktion Form
XA
, die wiederum N Zeilen, K Spalten Vorhersage-Matrix ist.
Ihre Frage erwähnt ausdrücklich lineare Regression (siehe andere Antwort), aber Sie haben auch maschinelles Lernen getaggt.
Der unmittelbare Algorithmus, der in meinem Kopf auftauchte, war K-Means Clustering. Sie erhalten eine Menge (ungeordneter Vektor) als Eingabe und die Ausgabe ist k Mengen (k ungeordnete Vektoren). Siehe here für eine ziemlich tolle Visualisierung der Funktionsweise des k-Means-Algorithmus.
k-means ist kein Regressions-Tool. Es hat nichts mit der Frage zu tun. OP fragt nach multidimensionaler Regression, nicht nach Clusterbildung (weder Regression noch multidimensional). – lejlot
Er fragte nicht nach Regression, Regression war das Beispiel. "Ich möchte wissen, ob es etwas gibt, bei dem der vorhergesagte Wert, d. H. Y1, tatsächlich ein Vektor und kein einzelner Wert ist". Und ich bin mir nicht sicher, was genau Ihre Definition von multidimensional ist, aber ich verstehe nicht, warum Clusterbildung nicht multidimensional sein kann. – mwm314