我训练了一个具有 23 个特征的非线性回归模型。我试图确保模型不会过度拟合验证数据的约 0.6 r 平方以及实际目标值和模型预测目标值之间的 0.75 相关系数。
我想知道执行以下操作是否有意义。
- 使用该模型来识别将使预测值最大化的 23 个特征的值：
例如，考虑一个使用 avg_area_price 和 sqfeet 来预测房价的模型，然后确定会导致最高房价的 avg_are_price 和 sqfeet 的值。请注意，我们可能没有在数据中观察到这一点，但回归模型捕获了输入特征与输出的关系，因此它可以识别这一点。
我试图研究它，发现线性规划可以帮助实现线性回归。https://stats.stackexchange.com/questions/475639/can-we-use-linear-regression-to-define-the-objective-function-in-linear-programm
我没有找到任何可以找到导致非线性回归模型的最大预测值的特征值。
当我们有非线性回归模型时，任何人都可以帮助如何做到这一点？