ایجاد شبکه عصبی برای پیش‌بینی دو پارامتر بصورت همزمان (Multi-output regression) و تحلیل نتایج

پروژه شامل چند بخش است ابتدا باید یک مدل شبکه عصبی روی داده های کم برای پیش‌بینی دو خروجی بصورت همزمان ایجاد شده و همچنین خود شبکه بهینه گردد (با استفاده از روش هایی مانند GA, PSO, Hyperband, BA و ...) و نیز تفسیر شبکه عصبی به منظور فهمیدن تاثیر پارامترها بر خروجی با استفاده از روش هایی مانند PDP, LIME یا SHAP انجام گیرد (در ارزیابی این مدل R2 باید حداقل بالای 0.85 و MAE و MSE کم باشد) در ادامه برای افزایش تعداد داده ها باید از روش‌های data imputation برای جانهی missing values استفاده کرد تا تعداد داده ها افزایش یابد. این بخش نیاز به خلاقیت دارد تا بدون اینکه ماهیت دیتاست تغییر کند تعداد داده ها افزایش یابد و سپس مدلی مانند مرحله اول روی این دیتاست جدید توسعه داده شود (لزوما نباید شبکه عصبی باشد) و ارزیابی آن با داده های تست (Test set) مرحله قبل انجام بگیرد.