在定义误差测量之前无法解决（例如$|R-R'|$或者$(R-R')^2$) 以及当 A、B 和 C 发生变化时此错误如何变化。

极端例子：假设$R()$是随机的（与 A、B、C 值无关）但静态的（总是相同的$R(A,B,C)$对于相同的 A、B、C 值）。给定 A、B、C 的一些值，你只能回答$R(A,B,C)$当 A,B,C 在训练集中时。$R(A,B,C)$当 A、B、C 不在训练集中时，是未定义且不可预测的。

此外，如果可以进行改进$R()$有一些属性，例如，如果可以声明$R(A,B,C)=R(B,A,C)$或者那个$R(A1,B1,C1)=R(A2,B2,C2)$如果$A1+B1+C1=A2+B2+C2$.

是的，您正在尝试预测实数输出，所以这是一个回归问题。要知道哪种算法最好，我认为您必须询问您拥有多少数据以及您对数字关系的了解程度。如果你尝试简单的线性回归，你会得到什么样的错误？

如果您尝试线性回归并且得到一个可以接受的错误，那么这可能是一个非常简单的问题。除了线性回归之外，您还可以查看更高级的东西，例如高斯过程和神经网络，它们都会做出您正在寻找的各种预测。

在没有看到更多数据的情况下，很难确定。从表面上看，这看起来像是一个回归类型的问题。正如您所提到的，输入值存在很多差异，但这并不一定意味着线性回归之类的东西不起作用。试试看，你会得到什么样的相关系数。如果它真的很低，您可能需要一种不同的方法，或者在这种情况下数据实际上可能没有任何（或很多）预测能力。

除了线性回归之外，您可能会发现输入和输出之间存在更复杂的数学关系，可以使用符号回归来确定。如果存在复杂的非线性关系，另一种可能性是人工神经网络方法可能会很好地工作。