我目前正在尝试实现一个机器学习系统，该系统能够查看训练数据集，并根据输入产生一个在0到100之间的实际值输出。

目前我使用的是线性回归模型来确定输出。然而，当考虑其他可能替代回归模型的分类器时，我遇到了瓶颈。基本需求是分类器的输出应为0到100之间的实际值。我尝试过研究神经网络和决策树，但无法理解如何实现这一点。任何帮助都将不胜感激。

数据集

我从数据集中提取了4个不同的特征。所有特征本身都是实际值。我有185个不同的文件，每个文件我都可以提取这4个特征。因此，最终我得到一个185行4列的矩阵。

回答：

使用带有Sigmoid激活函数的人工神经网络（ANN）将输出在（0,1）范围内的值，因此您只需将输出缩放到所需范围（在您的案例中，只需将输出乘以100）。

由于您有4个特征，您将创建一个输入层有4个单元（神经元）且输出层只有一个单元的ANN。您需要决定的是隐藏层的数量以及每个隐藏层中的单元数量。在不了解您的问题性质的更多信息的情况下，我建议从不超过两个隐藏层开始（从一个开始可能更好），并在隐藏层中放置大约6或8个单元。