我希望这样的问题属于这里。所以这就是我现在正在处理的问题：我从制造过程中收集了一些数据（传感器数据、过程参数等），对于离开生产线的每个零件，我都知道它是否是废品。所以对于每个部分，我都有它的过程数据和质量（0：好 1：坏）
我的目标是优化制造工艺，即找到最佳工艺参数以产生最少的废料。
到目前为止我所做的：我尝试了不同的分类算法（随机森林、SVM、神经网络），但没有一个能够达到很好的准确性。我认为原因是数据非常模糊，即如果我有具有相同工艺参数的零件，其中一些可能是废品，而另一些可能是好的。但质量和工艺参数之间肯定存在联系。我现在想要的是预测零件好坏的“概率”。我想估计概率密度？我可以对 K 最近的邻居执行此操作吗？