A több kimenetű gépi tanulás problémája magában foglalja a több kimenet egyidejű előrejelzését adott bemenetek alapján. Feltételezve, hogy a változóknak csak egy részhalmazát tudjuk figyelemmel kísérni: ez az erőforrás-korlátozás egy újfajta regressziós probléma meghatározásához vezet. A cél olyan magyarázó változók kiválasztása, amelyek minimalizálják a célváltozók előrejelzési hibáját. A központi kérdés egy adott számú változó optimális megválasztása a regresszió jóságának maximalizálása érdekében. Lehet mohó megközelítést javasolni a magyarázó változók azonosítására. A javasolt algoritmusok teljesítményének értékeléséhez össze kell hasonlítani a kapott magyarázó változókat a teljes kereséssel kapott optimális halmazzal. Feladat a mohó algoritmusok vizsgálata és új algoritmusok kidolgozása, melyek gyorsabbak, mint a teljes módszer. A kidolgozott módszerek alkalmasak lehetnek többdimenziós adatelemzésre, erőforrás-korlátozással.