我被要求查看一个场景，其中一家公司拥有许多他们希望完成的项目，但随着公司预算的出现。Y值为预定义的分数，具有多个X输入。在几个月内，还存在3个主要限制资本成本，支出成本和完成时间。
询问是可以使用算法方法来优化在三个约束下应在一年中完成哪些项目。如果约束值更改，该方法还应给出不同的结果。建议的方法是多重回归。尽管我详细研究了不同的方法。我想问一个更广泛的社区，是否有人处理了类似的问题，以及您使用了哪些方法。
fisrt我们应该理解的东西，结论的结论不是一个参数。
这是从传播理论中，每个人都会做一个知识框架(理解结论(，其中框架从许多知识/信息中构造(。
猜测是我们不能在数学中使用单个线性回归来创建ML/DL系统。
至少我们应该使用两个不同的变量来得出子结论。如果我们推动使用线性回归(y=mx+c(使用单个变量。类似于推动计算机精确度较低的东西。您选择的哪种优化方法……仍然很低的准确性...为什么...因为如果您在现实生活中使用的线性恢复，它与预测数据基础相似，而不是计算实际条件。<<<<<<<<<<
这是指....，我们应该使用多个线性回归(y=m1x1+m2x2+ ... + c(来计算任何内容，以使计算机理解/具有结论/创建回归模型。但是，不是那么简单。由于计算机尝试从具有多个字符/变量的数据中得出结论...您必须对数据和结论进行分类。
举例来说，尝试使计算机理解phitagoras。我们知道Phitagoras公式是c=((a^2)+(b^2))^(1/2)，我们希望我们的计算机可以从两个输入值(a和b(从Phitagoras side(c(进行预测。因此，我们应该制作模型或叛变的phitagoras。步骤1当然，我们应该制作phitagoras的多字符数据。
这是一个示例
a b c
3 4 5
8 6 10
3 14 etc..., try put 10 until 20 data
尝试结论回归公式，并在a和b值上以多元回归为c的c基础。
您会发现某些数据的准确度(高于98％(的某些值，而某些值不准确(低于90％(。示例A = 3和B = 14或B = 15，将给出较低的精度结果(90％以下(。
因此您必须进行和优化....但是如何做...
我知道许多优化的方法，但是我以手动方式找到了，如果我排除了给出较低精度结果的数据，然后将它们放在不同的组中，然后再次重新计算到排除的数据组，我将获得更重要的结果。再次做...直到达到所需的准确性目标。
每个具有新回归的组数据是一个新类。
表示我输入的数据(回归来自每个数据/类别(，精度确实很高，99％-99.99％。
，对于几个类，居民将其作为类的"标签"，这就是自动化计算的背景中发生的情况。但是有了许多模块，模块的用户将"字符串"对象作为标签，但事实是，字符串对象绑定到构造为标签的重新位置。
使用一些条件参数，您可以使用最少数量的数据列车获得良好的ML。
在更进一步之前，请在Excel/libreoffice上尝试一下...
尝试关注此视频的教程
并以易于在Excel中构建的简单数据(例如Pythagoras。
(实现它。所以答案是肯定的...多重回归是优化的最佳方法。