標準化[0 -1]範圍內的值

Question

這是一個關於考慮到不同參數的數據標準化的問題。

我在網站上有一組文章。用戶使用評分系統並評分1至5星的文章。 1星級意味着一篇不好的文章，並標記文章「不好」。 2星給予'平均'評級。 3,4和5星評價「好」，「非常好」和「優秀」。

我想在[0 - 2]範圍內規範化這些評級。規範化的值將代表一個分數，並將用作在文章列表中增加或減少文章的因子。具有2個或更少星號的文章應該在[0-1]的範圍內得分，所以這個提升因子會有負面影響。具有2個或更多星級評分的文章應該在[1-2]的範圍內得分，所以這個提升因子會有一個積極的提升。

因此，例如，擁有3.6顆星的文章將獲得1.4的提升係數。這將推動文章上市的文章。一篇1.9星的文章將得到0.8分。這個分數將會進一步推動該文章在上市中的表現。一篇2星的文章會得到1的提升因子 - 沒有提升。

此外我想考慮每篇文章的票數。一票三星的文章排名要差於平均4票和2.8星的文章。 （助推係數分別爲1.2和1.3）

Answer 1

如果我正確理解了你的話，你應該使用Sigmoid function，它指的是Logistic function的特殊情況。 Sigmoid和其他邏輯函數經常用於神經網絡來收縮（壓縮或規格化）數據的輸入範圍（例如，到[-1,1]或[0,1]範圍）。

Answer 2

基礎上的數字，和一些我做了我自己，我想出了這5個點

Rating  Boost 
1.0  0.5 
1.9  0.8 
2.0  1.0 
3.6  1.4 
5.0  2.0 

計算爲近似linear regression，我得到了公式y=0.3x+0.34。

所以，你可以創建一個轉換功能

float ratingToBoost(float rating) { 
    return 0.3 * rating + 0.34; 
} 

利用這一點，你會得到輸出大約符合您的要求。樣本數據：

Rating  Boost 
1.0  0.64 
2.0  0.94 
3.0  1.24 
4.0  1.54 
5.0  1.84 

這顯然線性增長，這可能不是你要找的是什麼，但只有三個指定的值，這是很難知道您的期望究竟是什麼樣的增長。如果您對線性增長不滿意，並且您希望不好的文章更多的受到更多的懲罰，你可以嘗試提出更多的價值觀併產生指數或對數方程。

Answer 3

我不打算解決你的評分系統，但是一般的標準化值是這樣的。

Java方法：

public static float normalise(float inValue, float min, float max) { 
    return (inValue - min)/(max - min); 
} 

C函數：

float normalise(float inValue, float min, float max) { 
    return (inValue - min)/(max - min); 
} 

這種方法讓你有兩個最大和最小負值。例如：

variable = normalise(-21.9, -33.33, 18.7); 

注：，你不能讓最大和分鐘是相同的值，或快報最大值小於分鐘。並且inValue應該在給定範圍內勝出。

如果您需要更多詳細信息，請填寫評論。