有一个基于数字输入的数字输出的工厂数据集。该数据集包含每15分钟几年的输入值和输出值。
由于在软件中建模系统的物理属性将太昂贵，因此我想创建一个用机器学习的模型，该模型的表现为系统。输入输入时，该模型应提供输出。
对于解决方案，我已经测试了前馈神经网络。结果还可以，但在某些情况下也是不准确的。
此问题还可以使用哪些其他方法？
如果是时间序列任务，则可以使用神经网络或LSTM网络的Narx体系结构。后来就像纳尔克斯一个复发性神经网络。MATLAB提供了第一个实施。
https://en.m.wikipedia.org/wiki/nonlinear_autoregrelative_exogenous_model
https://en.m.wikipedia.org/wiki/long_short-term_memory
如果您"简单地"想要将多项式拟合到数据，则可以使用不同程度的多项式的基本线性回归，以查看哪个最有效。注意：它不称为线性，因为它只能适合线性模型。
https://en.m.wikipedia.org/wiki/linear_regression
其他一些可能性是内核方法，例如内核脊回归或SVR。后来，一个基于支持向量机，通常表现良好（至少是根据我的个人经验分类）。如果您想尝试SVR，则可以使用称为libsvm的小但出色的lib。Matlab也提供此。
以下链接显示了此算法的比较：
http://scikit-learn.org/stable/auto_examples/plot_kernel_ridge_ridge_regression.html
编辑：如果我正确理解这一点，则是一个时间序列任务，如果您想从给定时间t预测将来的时间t+1的输出。尝试NARX模型或LSTM Net。