我有一个可能与数据分析甚至神经网络有关的任务。
我们有合作伙伴的数据源，工作门户。源值是与特定员工相关的不同属性的数组：
- 他\她的性别，
- 年龄，
- 多年经验，
- 投资组合（完成的项目数量），
- 专业和专业（网页设计，网页编程，管理等），
- 许多其他（总共大约 20-30 个）
每个员工都有自己的工资（小时）率。所以，在数学上，我们有一些函数
F(attr1, attr2, attr3, ...) = A*attr1 + B*attr2 + C*attr3 + ...
系数未知。但是我们知道函数对指定参数的结果（假设我们知道一个有 20 年经验和 10 个作品集的男性程序员的工资是每小时 40 美元）。
所以我们必须以某种方式找到这些系数（A、B、C...），这样我们才能预测任何员工的薪水。这是最重要的目标。
另一个目标是找出哪些参数是最重要的——换句话说，哪些参数会导致函数结果发生重大变化。所以最后我们必须有这样的东西：“最重要的属性是多年的经验；然后是投资组合；然后是年龄等”。
可能存在不同职业之间差异太大的情况 - 例如，我们可能根本无法将网页设计师与经理进行比较。在这种情况下，我们必须将它们按组拆分，并分别为每个组计算这些评分。但最终我们需要找到对每个群体都通用的“共享”论点。
我正在考虑神经网络，因为这是他们可能处理的事情。但我对他们完全陌生，完全不知道该怎么做。
我非常感谢任何帮助——使用哪些工具、哪些算法，甚至是伪代码示例等。
非常感谢。