我不确定这个问题是适合StackOverflow还是Programmers，但由于它更偏向于实现，所以我在这里提问。

我正在寻找一种算法，它可以接受n个输入（全部为浮点数）并产生m个输出（全部为浮点数；m < n）。然后可以使用某种适应度评分来训练这个系统，以学习输入和输出之间的相关性。

用于此目的的最佳算法是什么？

一点背景信息：我想使用机器学习而不是自己发明的算法，因为我不知道数据之间的（全部）相关性，我确实知道机器学习算法的结果是否会好，并从那里进行训练。

我有一些变量要传入，例如：

• 只有我知道的信息（信心 0-1）
• 所有人都知道的关于我的信息（资源和之前的成就 0-1）
• 我正在调查的人的风险档案（分别，基于其他玩家 0-1）
• 我正在调查的人的行为档案（分别，基于其他玩家 0-1）
• 我正在调查的玩家拥有的资源（分别 0-1）
• 总玩家数量（基于允许的最大玩家数 0-1）
• 结果的预测（偏见 0-1）

输出应该是：

• 采取的行动（从“什么都不做”到“迅速行动” 0-1）
• 采取行动的数量（从“不多”到“尽你所能” 0-1）

我有非常大的数据集可以处理，因此理想情况下，建议的算法也可以持久化。

我见过像人工神经网络这样的算法，但它们不允许使用适应度评分，因为它们需要输入和输出配对。我无法提供这些，我只能计算这些数字可能正确的几率（适应度评分——设计上永远不会>= 1）

回答：

从描述来看，这看起来是一个经典的强化学习问题，其中你有一个执行行动的代理（这里定义为行动+强度，但这仍然是一个行动），它改变了代理的某些内部状态，并且（至少在某个时间点）获得了奖励。

有许多方法可以从你的环境中学习一个好的策略（选择特定行动的规则），包括但不限于：

• Q-learning
• MDP（马尔可夫决策过程）
• 蒙特卡洛方法