我正在努力解决数据科学问题。我什至不知道如何简洁地描述它，所以我想解释一下我在寻找什么，也许这里的许多聪明人可以为我指出正确的方向。
我有很多数据点组织在矩阵中（行中的产品，列中的变体）
例如：
| 产品 | 型号 0 的价格 | 型号 1 的价格 | 型号 2 的价格 |
|---|---|---|---|
| A | 230 | 250 | 260 |
| B | 170 | 190 | 200 |
| C | 300 | 310 | 320 |
大约有 40 个变体和大约 2000 种产品。
我现在想要将模型拟合到该数据中，如下所示：
variant_price（产品，变体）= 基本价格（产品）+ 标记（变体）
我正在寻找的结果：
限制：
我觉得这可以通过某种线性回归/最小二乘法实现，但我很难弄清楚如何构建/开始这个。
首先应用简单的 ML 模型（线性回归、决策树、SVM），然后评估模型性能（scikit-learn 是一个很好的起点）。一旦找到性能良好的模型，请微调该模型的超参数（例如使用网格搜索）。