我是机器学习的新手，我想根据我遇到的问题提出一些问题。
假设我有 xyz 作为变量，并且随着时间的推移我有这些变量的值，例如：
t0 = x0 y0 z0
t1 = x1 y1 z1
tn = xn yn zn
现在我想要一个模型，当它给出 x 、 y 、 z 的 3 个值时，我想要对它们进行预测，例如：
输入：x_test y_test z_test 输出：x_prediction y_prediction z_prediction
这些值是浮点数。解决此类问题的最佳模型是什么？提前感谢所有答案。
更多细节：好的，让我提供有关问题的更多细节，以便更具体。
我已经运行了某些基准测试，并在每个时间间隔从系统核心获取了性能计数器的值。
性能计数器是上面示例中的 x 、 y 、 z 。它们相互依赖。简单的示例是 x = IPC ， y = Cache misses ， z = 核心能量。
所以我得到了每个时间间隔所有这些性能计数器的数据集。我想做的是创建一个模型，在从训练数据集中学习后，它将被赋予核心的某种状态（性能计数器）并预测性能计数器核心将在下一个间隔中拥有。
AFAIK 如果你想预测一个变量的值，你需要有一个或多个变量作为预测变量；即：您假设一个变量的行为可以用其他变量的行为来解释。在您的情况下，您有三个要预测其值的自变量，并且由于您没有提及任何其他变量，因此我假设每个变量都依赖于其他变量。在这种情况下，您可以拟合三个模型（例如回归模型），每个模型都可以根据其他变量预测一个变量的值。例如，要预测 x：
x_prediction=int+cy*y_test+cz*z_test
，其中 int 是截距，cy、cz 是线性回归的系数。同样，为了预测 y 和 z：
y_prediction=int+cx*x_test+cx*z_test
z_prediction=int+cx*x_test+cy*y_test
好的，所以时间 t-1 的值预测时间 t 的值。这就说得通了。
首先，您应该确定您是否认为这些值是独立的。x 是否预测 y 或 z？而且，您认为只有前一个 1 值是预测性的，还是前一个 n？
无论哪种方式，您都可以将其建模为一个简单的回归问题。哪种技术最好实际上取决于您期望的关系是什么，以及这些变量是什么；我不确定这里给出的。
例如，如果它们的传感器值读取速度相当快，并且传感器变化缓慢，那么您会期望一些简单的模型（如移动平均线）表现良好。对于其他类型的值，这根本无法预测。
这看起来像马尔可夫链模型，所以你可以研究一下，但不知何故，我认为它对于我认为的问题来说过于笼统了。