我目前正在尝试实现一个机器学习系统，该系统能够查看训练数据集并能够根据输入产生 0 到 100 之间的实值输出。
目前我正在使用线性回归模型来确定输出。但是，在考虑可以替代回归模型的其他分类器时，我遇到了障碍。基本需求是分类器的输出应该是介于 0 到 100 之间的真实值。我尝试过查看神经网络和决策树，但是，我无法完全理解如何去做。任何帮助，将不胜感激。
数据集
我正在从数据集中提取 4 个不同的特征。所有的特征本身就是真正的价值。我有 185 个不同的文件，每个文件可以提取 4 个特征。所以最后我得到了一个 185 行和 4 列的矩阵。
具有 sigmoid 激活的人工神经网络 (ANN) 将输出 (0,1) 范围内的值，因此您只需将输出缩放到所需范围（在您的情况下，只需将输出乘以 100）。
由于您有 4 个特征，因此您将在输入层中创建一个具有 4 个单元（神经元）的 ANN，在输出层中创建一个单元。您需要做出的决定是有多少隐藏层以及每个隐藏层中有多少个单元。在不了解问题性质的情况下，我建议从不超过两个隐藏层开始（从一个开始可能更好）并在隐藏层中放置大约 6 或 8 个单元。
不清楚你想要什么。Rulequest 的立体派将为您输出真正的价值，但您需要正确设置文件。那里也有许多神经网络库。