f1 f2 f3 f4 --> y1
f1 f2 f3 f4 --> y2
などのために、単一の出力を予測するためにそれらを使用する線形回帰で
... 予測値y1が実際には単一の値ではないベクトルであるかどうかを知りたい場合
f1 f2 f3 f4 --> y1
f1 f2 f3 f4 --> y2
などのために、単一の出力を予測するためにそれらを使用する線形回帰で
... 予測値y1が実際には単一の値ではないベクトルであるかどうかを知りたい場合
はい、ほぼすべての回帰方法(ニューラルネットワーク、サポートベクトル回帰、ランダムフォレスト回帰、.... )多次元出力でうまく動作します。線形回帰を含む。特に、YはN行および値のK個の列ベクトルを予測することであり、そしてXがN行、D列のデータ行列である場合、線形reggresion単に
A = (X'X)^-1 X'y
され、次いで予測の形式は
XA
であり、これもやはりN行K列の予測行列である。
あなたの質問には線形回帰(他の回答を参照)が記載されていますが、機械学習のタグも付けられています。
私の頭に突き刺された即時アルゴリズムは、K平均クラスタリングでした。入力として集合(順序付けられていないベクトル)が与えられ、出力はk個の集合(k個の順序付けられていないベクトル)です。 k-meansアルゴリズムがどのように機能するかを非常に素晴らしい視覚化のためにはhereを参照してください。
k-meansは回帰ツールではありません。それはその質問とは関係ありません。 OPは、クラスタリング(回帰も多次元もない)ではなく、多次元回帰について尋ねる。 – lejlot
彼は回帰については問いませんでしたが、回帰が例でした。 「予測値y1が実際には単一の値ではないベクトルであるものがあるかどうかを知りたい」そして、多次元の正確な定義が何であるか分かりませんが、なぜクラスタリングが多次元化できないのか分かりません。 – mwm314