首先，我是机器学习的新手，所以这些问题可能是微不足道的。

基本上我正在尝试使用数字旋钮和数字输出来调整对象。通过进行蛮力调整（排列），有一种解决方案可以找到输出的理想值，但这需要时间。我正在尝试使用 ML 来至少缩短调优过程。

我有一个数据集，其中包含大量成功调整的好单元，尽管尝试次数不同。

例如：通过要求：X = 接近 10，Y = 接近 5，Z = 接近 4

对象 1：

Try 1 => A = 1, B = 2, C = 3 ; X = 1, Y = 0, Z = 1  => not good
Try 2 => A = 1, B = 1, C = 1 ; X = 10, Y = 5, Z = 4 => good enough

对象 2：

Try 1 => A = 1.4, B = 2.6, C = 3.8 ; X = 10, Y = 5, Z = 3.9 => lucky!!!

对象 3：

...
Try 10 => A = 1.4, B = 2.6, C = 3.8 ; X = 10, Y = 5, Z = 3.9 => took a while!!!

我想知道如何为此类问题的训练和测试准备数据，因为每个对象在成功调整之前都有可变数量的尝试。我是否应该为每个对象取最后一个成功的组合，并保持相同的列（A、B、C、X、Y、Z）。还是全部拿走（每个对象多行）？

或者，对于每个对象记录，附加另一组列，这样每个对象我只有一行。例如 (A1,B1,C1,X1,Y1,Z1, A2,B2,C2,X2,Y2,Z2,... An,Bn,Cn,Xn,Yn,Zn )

至于算法选择，我只能说这不是分类问题（或二元结果）。如果有这样的事情，像回归、决策树或爬山之类的东西？