我开了一家食品公司的硕士论文。他们从一些成分开始，混合，加热，等等，直到他们最终得到糖果。但有一个问题。对于生产相同的糖果，PLC控制的机器并不总是平稳运行，并且不会给出相同的结果。他们认为水果是一种成分，并不总是100％相同（粘度等）。它们在用于生产之前测量成分的特征。它们还可以测量所有工艺参数（压力，温度，白利糖度等）。这些都是存储的。现在我的论文是使用机器学习模型来检查这些数据以获得更多信息。现在我遇到了一些问题。第一个问题是我实际上没有分类。没有“好糖果”和“坏糖果”这样的东西。第二个问题是我没有真正的输出参数。我有白利糖度值，但就是这样。最后一个问题是：成分是我模型的输入功能，但过程特色，这些输入也是吗？或者我应该把它留在后面？
非常感谢你的帮助！
第一个问题是我实际上没有分类。没有“好糖果”和“坏糖果”这样的东西。
公司如何决定什么是充足的？您需要确定用于将糖果标记为“坏”或“好”的标准。如果您没有任何标签，则可能需要寻找无监督学习技术，如聚类分析或因子分析。
第二个问题是我没有真正的输出参数。我有白利糖度值，但就是这样。
根据您的任务，您必须考虑目标值是什么。对于分类，它将是糖果的标签。因此，'坏'或'好'的糖果。对于回归问题，您需要持续的东西（例如，如果这与您的目标相关，则为白利糖度值）。对于无监督学习，您不需要输出变量。
最后一个问题是：成分是我模型的输入功能，但过程特色，这些输入也是吗？或者我应该把它留在后面？
你必须查看你拥有的所有变量，并确定如果糖果是“好”或“坏”，哪些变量可以保存有价值的信息。这是您需要收集的特定领域知识。你可以问问公司的人。他们应该能够告诉你什么是重要的。您还可以查看所有参数的统计信息。应识别与糖果质量相关的参数。可以忽略不显示大量变化的参数（例如温度总是恒定的）。