我不确定这是否适用于StackOverflow或程序员，但由于它更倾向于实施，我在这里问它。
我正在寻找一种可以接受n输入（所有浮点数）并产生m（所有浮点数；m < n）输出的算法。然后可以使用一种适应度分数来训练这个系统，以学习输入和输出之间的相关性。
用于此目的的最佳算法是什么？
一点上下文： 我想使用机器学习而不是自创算法，因为我不知道数据之间的（完全）相关性，我知道机器学习算法的结果是否好并从那里训练它。
我有几个变量要传递，例如：
- 只有我知道的信息（信心
0-1） - 所有人都知道的关于我的信息（资源和以前的成就
0-1） - 我正在调查的人的风险状况（分别基于其他玩家
0-1） - 我正在调查的人的行为概况（分别基于其他玩家
0-1） - 我正在调查的玩家拥有的资源（分别
0-1） - 玩家总数（基于允许的最大玩家数
0-1） - 结果预测（偏差
0-1）
输出应该是：
- 采取的行动（从“什么都不做”到“迅速行动”
0-1） - 采取的行动量（从“不多”到“你能做的最多”
0-1）
我有非常大的数据集可以处理，所以理想情况下建议的算法也可以持久化。
我见过像人工神经网络这样的算法，但它们不允许适应度得分，因为它们需要将输入和输出耦合在一起。我不能提供，我只能计算这些数字正确的机会（健身分数——设计上永远不会>= 1）