如何在下面进行预测以及哪种算法最合适。
员工的工作活动起始日期和结束日期（列）。工作表中还有其他几列，如Work_Complexity（High＆Low），否。每个活动的子任务。
如何预测开始日期的工作活动结束日期？必须使用哪种ML算法？
这是否可以视为现实用例？
谢谢!!!
是，这是一个实际的用例。
[如果您使用带标签的数据表示，您将有一个工作表，其中已知现有任务的员工开始日期和结束日期，现在您要预测任何新任务的结束日期，则可以将线性回归与多个变量一起使用。有关与具有多个变量的线性回归有关的更多信息，请通过以下链接：https://www.investopedia.com/terms/m/mlr.asp
无论如何，在该理论中不要感到困惑。简单来说，线性回归是一种对变量（列）之间的关系进行建模的方法。具有一个变量的线性回归意味着，您尝试仅使用一个变量（列）来预测结束日期，即您的情况下的开始日期。如果您要使用多个变量（列）来预测结束日期，即开始日期，任务的复杂性，子任务等；您必须使用具有多个变量的线性回归。我正在使用房屋价格预测模型。
下面是使用python使用一个变量进行线性回归的实现，我们将仅使用一个变量来预测房价：
import pandas as pd #used for uploading your datasets #you have to import machine learning libraries
import numpy as np #for array
from sklearn import linear_model #for prediction
df = pd.read_csv('/content/MLPractical2 - Sheet1.csv') #you need to upload your file
df
输出：我上传的文件，包含以下数据
区域||价格
2600 || 555000
3000 || 565000
3200 || 610000
3600 || 680000
4000 || 725000
让我们预测具有区域3601的房价：
reg = linear_model.LinearRegression()
reg.fit(df[['Area']], df.Price)
reg.predict([[3601]])
输出：array（[669653.42465753]）
我们仅根据一个变量（列）即面积来预测价格
您可以在我上传的文件中观察到，拥有面积3600的房屋的价格为680000，而我们的算法预测的区域3601的价格为669653.42465753，这非常接近。
让我们看一下使用python使用多个变量实现线性回归的实现；我们将使用多个变量来预测房价
import pandas as pd #same as above
import numpy as np
from sklearn import linear_model
df = pd.read_csv('/content/ML_Sheet_2.csv')
df
输出：在这种情况下，我上载的文件包含以下数据
区域||卧室||年龄||价格
2600 || 3.0 || 20 || 550000
3000 || 4.0 || 15 || 565000
3200 || 3.0 || 18 || 610000
3600 || 3.0 || 30 || 595000
4000 || 5.0 || 8 || 760000
让我们对面积为3500、3个卧室和10岁的房价进行预测
reg = linear_model.LinearRegression()
reg.fit(df[['Area', 'Bedroooms', 'Age']], df.Price)
reg.predict([[3500, 3, 10]])
输出：数组（[717775]）
[我们根据三个变量来预测房价，即面积，卧室数和房屋年龄。
您可以在我上载的文件中观察到，具有3200、3个卧室和18岁的房屋的价格为610000，我们的算法预测的面积为3500（大于3200），3个卧室和10年的房屋的价格老是717775，这非常接近且可以理解，因为我们预测的是面积大于3200且使用年龄较小（新房子的价格更高）超过18的房子。
类似地，您也可以准备一份现有数据的excel表并将其保存为.csv格式，然后像我一样继续进行。我正在使用google colab编写我的代码；我希望您使用相同的内容：
https://colab.research.google.com/notebooks/intro.ipynb#recent=true
希望对您有帮助！