我被要求看一个场景，该场景是一家公司有许多他们希望完成的项目，但是任何公司的预算都起作用。有一个预定义分数的Y值，带有多个X输入。资本成本，费用成本和完成时间（三个月）也有3个主要限制条件。
询问是在给定3个约束的情况下，是否可以使用算法方法来优化当年应完成的项目。如果约束值发生变化，该方法还应给出不同的结果。建议的方法是多元回归。尽管我详细研究了不同的方法。我想问更广泛的社区，是否有人处理过类似的问题，以及您使用了什么方法。
首先我们应该了解的事情，对某事物的结论并非基于一个论点。
结果是，我们不能使用单一线性回归对ML进行数学计算。至少我们应该使用两个不同的variabel来进行次结论。如果我们使用线性回归（y = mx + c）来推动使用单个变量。它类似于推动计算机预测某些东西赢得低累积率。您选择的最优化方法...准确性仍然很低。
这意味着....，我们应该使用多元回归来计算任何东西以使计算机易于理解。但是，并非如此简单。由于计算机尝试从多个字符/ varians的数据中得出结论，因此您必须对数据和结论进行分类。
例如，尝试使计算机理解phitagora。我们知道phitagoras公式是c =（（a ^ 2）+（b ^ 2））^（1/2）。
例如，制作50个多字符数据。
a b c
3 4 5
8 6 10
3 14 etc...
试图用多元回归来得出回归公式的结论，以便基于a和b预测c。
您会发现该数据对于某些类型值来说是准确的，而某些数据是不正确的。例如a = 3且b = 14或b = 15，将给出较低的累加结果。
所以您必须进行优化。...但是如何做...
我知道许多优化方法，但是我发现，如果我排除给出低准确度结果的数据，然后将它们放在不同的组中，然后再次对排除的数据组重新计算，我将获得更有意义的结果。再次执行...直到达到所需的精度目标。
意味着我将根据我输入的数据进行多次回归（回归来自每组数据），准确率非常高，99％-99.99％。
使用一些条件参数，您可以用最少的数据序列获得良好的ML。
请在excel / libreoffice上尝试，然后再进一步操作...