私は（Rまたは類似のプラットフォームで）機械学習を解決したいのですが、簡単な問題を定式化されます：私のアルゴリズムは3パラメータ（A、B、C）を取り、そしてスコアを返す s [0,1]の範囲内にある。パラメータはすべてカテゴリ：aは3つのオプション、bは4、cは10です。 したがって、私のデータセットは3 * 4 * 10 = 120のケースを持ちます。 高いスコアが望ましい（1に近い）、低いスコアは0に近い（0に近い）。 アルゴリズムをブラックボックスとして扱い、a、b、cをとり、sを返しましょう。この単純な最適化の機械学習アルゴリズムは何ですか？
データセットは以下のようになります。私は、各パラメータに対するSの密度をプロットした場合
a, b, c, s
------------------
a1, b1, c1, 0.223
a1, b1, c2, 0.454
...
、私はいくつかのケースは非常によく行われている非常に広い分布、（S> 0.8）、他の人を取得ひどく（s < .2）。
sが非常に高い場合を見ると、明確なパターンは見えません。 全体的に性能が悪いパラメータ値は、特定のパラメータとの組み合わせで非常によく機能し、その逆もあります。 （A1など）、Iは、中央値の計算方法も、特定の値を行い測定するため
：例えば
median(mydataset[ a == a1]$s)
を、中央値（A1）= 5、メジアン（B3）= 9、しかし場合。私はそれらを組み合わせ、私はより低い結果s（a_1、b_3）= .3を得る。一方、中央値（a2）= .3、中央値（b1）= .4、ただしs（a2、b1）= .7。
いつもうまくいくパラメータ値がないことを考えれば、統計的に有意な方法で一緒にうまくいくように見える（2つのパラメータの）組み合わせを探すべきだと思います。高得点）。 つまり、ポリシーを取得して、最適なパラメータを選択したいと考えています。 （a1、b3）、（a2、b1）などがあります。
これは機械学習を使用して解決できる最適化の問題だと思います。
この文脈でどのような標準的なテクニックをお勧めしますか？
EDIT：誰かがglpkで線形計画法を提案しましたが、この問題に線形計画法を適用する方法はわかりません。
120件しかないので、期待スコアを条件付きでa、b、cの値で計算し、どの組み合わせが最もよく機能するかを確認してください。しかし、過剰適合を防ぐために大量のデータが必要になります。結果の重要性を大まかに知るために、各条件付き期待値に対してp値を計算することができます。それらがすべて十分に低い場合、あなたは完了です。そうでない場合は、平滑化のいくつかの種類（たとえば、平均スコアに向かって縮小する）を調べることができます。 –
この質問の最も標準的な手法は、線形回帰です。特定のパラメータの値を予測することができます。より一般的に - あなたの3つのパラメータで最大値を与える関数を得るには – Anton
回帰を実行すると、a1、a2などの係数とRの2乗が得られます。彼らが私にトップパフォーマンスの値をどのように伝えているかはわかりません。 – Mulone