在这种情况下可以使用哪些机器学习算法？

Question

我的数据由以下对象组成。

OBJ1 - 颜色 - 形状 - 大小 - 价格 - 排名

所以我想能够预测颜色/形状/大小的什么样的组合/价格是一个很好的组合，以获得高的排名。或者甚至一个组合可以工作，例如：为了获得良好的排名，ALG预测这种颜色和这种形状的最佳性能。类似的东西。

这种预测的可行算法是什么？

也可以，如果你可以简要解释我如何可以接近模型建设，我真的很感激它。对于例如：我的数据看起来像

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

那么，我应该看看什么是有用的预测模型？我应该尝试预测什么算法，比如说最高权重是价格，然后是颜色，然后是大小。如果我想像组合一样预测红色小形状与粉红色小形状相比不太可能更高级别。 （本质上试图结合多个名义值列来进行预测）

Answer 1

将组合作为线性方程，并应用蒙特卡罗算法（如遗传算法）来调整方程的参数。

---

1. 代码的颜色/形状/尺寸/价格/排名为数字值。

2. 将组合处理为线性方程，比如a*color + b*shape + c*size + d*price = ranking。

3. 应用遗传算法调谐/ B/C/d，为了使计算rankings是作为更接近地面实况越好。

4. 最后你得到的公式，你可以用它来：

   1）找到最大的排名通过简单的线性规划;

   2）预测排名通过只分配其他参数。

Answer 2

听起来像你想学习模型，你可以解释为一个人。根据您的排名变量的类型，可能会有许多不同的学习者。

如果排序是分类（例如星星），分类器可能是最好的。 Weka有很多。一些产生人可以理解的模型是决策树学习者和OneR规则学习者。

如果排名是连续的（例如分数），回归可能更合适。合适的算法是例如SimpleLogistic和LinearRegression。

或者，您可以尝试使用Weka中的任何算法对您的示例进行聚类，然后分析群集。也就是说，群集中的理想示例都是相同（或非常相似）的排名，您可以查看其他属性的值范围并绘制您自己的结论。