나는 요소의 집합을 가지고 내가 설명 할 수있는 형질. 그러므로:
어디 요소에 대한 (숫자) 평가 특성에 따라 . 내 요소는 점으로 볼 수 있습니다 차원 공간.
내 독서에 따르면, "Bayes Classifier"와 같은 알고리즘이 있습니다.이 알고리즘은 일부 세트로 구성된 "훈련 세트"를 사용하는 경우 세트의 모든 요소에 대해 "예"또는 "아니오"유형의 답변을 제공 할 수 있습니다. 내 세트의 요소 및 알고리즘의 예상 결과. 이 데이터를 기반으로 알고리즘은 학습 세트의 일부가 아닌 다른 요소를 사용할 수 있어야하며 학습 세트 덕분에 학습 한 내용을 기반으로 "예"또는 "아니오"답변을 제공 할 수 있어야합니다. 이것은 당신이 기대하는 것 (훈련 세트)에 대해 어떤 종류의 아이디어가 있지만 그 결과를 산출하는 특정 규칙을 확신하지 못하는 경우에 좋습니다.
내 데이터로 수행하고 싶은 것은 "예"또는 "아니오"유형의 답변을 얻지 못하지만 요소 내에 순위를 소개하고 싶습니다. 그들 중 일부는 다른 것보다 "더 낫다". Bayes 필터와 마찬가지로, 내가 기대하는 것에 대한 일반적인 아이디어를 얻었습니다. 따라서 내 요소의 하위 집합에서 가져온 "훈련 순위"를 생성하여 MLA에 적용 할 수있었습니다. 그 훈련을 바탕으로 내 전체 세트의 순위를 매길 수있을 것입니다.
이를 위해 두 가지 접근 방식이 있습니다.
- 각 요소에는 MLA가 점수를 부여한 다음 점수에 따라 요소의 순위를 지정합니다.
- MLA는 두 가지 요소를 취할 수 있습니다 과 어느 쪽이 더 좋은지 결정하십시오 (쌍별 비교). 해당 비교 연산을 사용하여 퀵 정렬을 사용하십시오.
참고 : pairwise 함수는 점수를 기반으로 구현하기가 쉽지 않으며 pairwise 함수를 기반으로 점수를 생성하는 것이 쉽지 않으므로 동일한 결과를 얻는 두 가지 접근 방식입니다.
점수 함수 또는 쌍별 비교 함수를 제공 할 수있는 MLA의 예가 있습니까?
편집 : 더 많은 컨텍스트를 추가하려면 : 현재 내 항목은 계산하여 각 항목에 대해 점수 (실수)를 생성하는 알고리즘에 따라 순위가 결정됩니다. . 생성 된 순위는 매우 정확하지만, 알고리즘을 수정하여 어떤 방식으로 알고리즘을 수정해야하는 경우가 있습니다. 예상했던대로 순위가 매겨지지 않은 일부 항목을 명확하게 볼 수 있기 때문입니다.
현재 내 디자인 프로세스는 다음과 같습니다.
- 완벽한 순위가 무엇인지에 대한 아이디어를 얻으십시오
- (수동으로) 그와 같은 항목의 순위를 매기는 알고리즘을 유도하십시오.
- 결과를 관찰하십시오
- 알고리즘을 적응
프로세스의 시작점이 교육 데이터로 사용될 수있는 것이기 때문에 MLA에 대해 생각했습니다. 아마도 현재 순위를 가져 와서 필요에 따라 항목을 교환하고 공급합니다.