在這種情況下可以使用哪些機器學習算法？

Question

我的數據由以下對象組成。

OBJ1 - 顏色 - 形狀 - 大小 - 價格 - 排名

所以我想能夠預測顏色/形狀/大小的什麼樣的組合/價格是一個很好的組合，以獲得高的排名。或者甚至一個組合可以工作，例如：爲了獲得良好的排名，ALG預測這種顏色和這種形狀的最佳性能。類似的東西。

這種預測的可行算法是什麼？

也可以，如果你可以簡要解釋我如何可以接近模型建設，我真的很感激它。對於例如：我的數據看起來像

Blue pentagon small $50.00 #5 
Red Squre large $30.00 #3 

那麼，我應該看看什麼是有用的預測模型？我應該嘗試預測什麼算法，比如說最高權重是價格，然後是顏色，然後是大小。如果我想像組合一樣預測紅色小形狀與粉紅色小形狀相比不太可能更高級別。 （本質上試圖結合多個名義值列來進行預測）

Answer 1

將組合作爲線性方程，並應用蒙特卡羅算法（如遺傳算法）來調整方程的參數。

---

1. 代碼的顏色/形狀/尺寸/價格/排名爲數字值。

2. 將組合處理爲線性方程，比如a*color + b*shape + c*size + d*price = ranking。

3. 應用遺傳算法調諧/ B/C/d，爲了使計算rankings是作爲更接近地面實況越好。

4. 最後你得到的公式，你可以用它來：

   1）找到最大的排名通過簡單的線性規劃;

   2）預測排名通過只分配其他參數。

Answer 2

聽起來像你想學習模型，你可以解釋爲一個人。根據您的排名變量的類型，可能會有許多不同的學習者。

如果排序是分類（例如星星），分類器可能是最好的。 Weka有很多。一些產生人可以理解的模型是決策樹學習者和OneR規則學習者。

如果排名是連續的（例如分數），迴歸可能更合適。合適的算法是例如SimpleLogistic和LinearRegression。

或者，您可以嘗試使用Weka中的任何算法對您的示例進行聚類，然後分析羣集。也就是說，羣集中的理想示例都是相同（或非常相似）的排名，您可以查看其他屬性的值範圍並繪製您自己的結論。