我有一套3-5個黑箱得分函數,可以爲候選人分配正實際值分數。這是什麼類型的ML?算法從池中重複選擇1個正確的候選人(或無)
每個是排名最高的最佳人選體面的,但他們並不總是同意 - 我倒是想找到如何將分數結合在一起,以便獲得最佳元比分使得候選人池之中,具有最高元評分的人通常是實際的正確的候選人。
因此,他們是純R^n
載體,但每個維度單獨往往有正確的人選更高的價值。天真地說,我可以只是增加組件的數量,但我希望有更多的東西可以從中受益。
如果最高分數太低(或者兩個最高太近),我就放棄了,並說「沒有」。
因此,對於每次試驗,我的輸入是一組這些得分矢量,並且輸出是向量對應於實際正確的答案,或「無」。這就像科技面試,一些候選人可能會有不同的意見採訪,但一般來說,每個傾向於傾向於最好的候選人。我自己的申請有一個客觀的最佳人選。
我想最大限度地提供正確答案並儘量減少誤報。
更具體而言,我的訓練數據可能看起來像的許多實例
{[0.2,0.45,1.37],[5.9,0.02,2],...} - >我
其中i是輸入集中的第i個候選矢量。
所以我想了解一個函數,它傾向於從輸入中最大化實際的最佳候選人得分向量。沒有最好的程度。這是二元對或錯。然而,它似乎不像傳統的二元分類,因爲在一組輸入矢量中,最多可以有1個「分類」爲正確,其餘都是錯誤的。
謝謝