我的项目是这样的：我的数据集是一组人的个人资料，包含各种属性，例如布尔值的hasJob和整数的healthScore，以及他们的收入。利用这些数据，我试图预测他们未来的收入。每个个人资料还包括历史信息，例如过去他们的属性和收入情况。

本质上，我试图将多组（x个布尔值，y个数值）映射到一个数值（未来一年的薪水）。

我考虑过使用神经网络、贝叶斯网络和遗传算法来进行函数拟合。有什么建议或意见吗？

提前感谢！–Emily

回答：

你想做的是“时间序列建模”。然而，你可能每个序列（每个人）的数据非常少。我认为很难找到一个适合每个人的模型，因为你做了一些普遍的假设，例如每个人都同样重视职业发展。此外，这是一个非常嘈杂的目标变量，例如，你可能需要考虑某人是否善于交际。你如何衡量这种特质？我相当确定你当前的属性中有足够的噪声，这会使得预测任何东西变得困难。你说的健康状态，是指仅身体健康还是也包括心理健康？在不同的行业中，不同的东西可能很重要。他们的工作领域或行业如何？其健康状况和增长潜力如何？我认为这对他们的收入有很大影响。我也认为你有依赖变量，以及属性可能（而且很可能）受到目标变量的影响。例如，收入较高的人通常健康状况更好。这听起来是一个非常复杂和困难的任务，绝对不是“我简单地分组了数据并尝试了一些方法”就能得到有意义的结果。我建议你更多地了解时间序列建模，尤其是你所拥有数据的特性。或许可以尝试从根据初始属性对人进行聚类开始，看看他们如何发展。是否有任何变量与这种发展相关？

你的研究问题是什么？