我正在尋找指引，指導我在構建算法的正確方向。基於多位信息確定最可能的地理位置的算法
情況很簡單：有很多信息可能表明個人的地理位置。例如，最近的IP地址或電子郵件地址的TLD或明確提供的信息，例如城鎮或郵政編碼。
這些信息位可能存在也可能不存在，它們可能具有一定的準確性（郵政編碼比國家TLD更準確）和可靠性（IP可能比郵政編碼更可靠，即使郵政編碼會更準確）。此外，信息可能會受到老化。
我正在創建一個算法，試圖根據這些信息確定最可能的位置。關於如何解決這個問題，我已經有了一些想法，主要涉及預先確定和計算準確性和可靠性的分數，但是很容易在這個問題上發現漏洞。
處理這個特定或類似問題的任何算法？也許算法處理數據可靠性/精度的一般或實際統計數據的可靠性/準確性的地理信息？
你想找到最有可能的位置L，給出一些信息片I。也就是說，你想最大化的條件概率
P(L|I) -> max
因爲這個功能P(L|I)很難估計，一個典型的在這裏適用Bayes' theorem：
P(L|I) = P(I|L)*P(L)/P(I)
分母P(I)是信息I的概率。由於該信息是固定的，因此這個術語是恆定的，並且對於找到上述最大值不感興趣。 P(L)是某個位置的無條件概率。像這個地方的人口密度可能是一個很好的估計。最後，您需要一個P(I|L)的模型，獲得I給定位置L的概率。對於多條信息，這將是個人概率的乘積：
P(I|L) = P(I1|L)*P(I2|L)*...
這適用於單件I1，I2 ...被conditionally independent給出的位置L，這似乎是這裏的情況。舉例來說，某些郵政編碼的可能性和某些小區塔的可能性通常強相關，但只要我們假設具體位置L郵政編碼不再影響小區塔的可能性。
那些個體概率P(I1|L) ...代表信息的可靠性和準確性，必須在外部提供。你必須在這裏提出一些假設。作爲一般規則，如果懷疑您最好對信息的可靠性和準確性持悲觀態度。 如果你太悲觀，你的結果會有些偏離，但是如果你太樂觀，你的結果會很快得到完全錯誤。你需要牢記的另一件事是最大化的可行性。 P(I1|L)的非常準確的模型是無用的，如果努力找到最大值變得太高。通常爲模型選擇平滑功能最終簡化了優化。