machine-learning - 该场景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

所以我希望能够预测颜色/形状/尺寸/价格的哪种组合是获得高排名的良好组合。或者甚至组合可以像这样工作:为了获得良好的排名，算法预测该颜色和该形状的最佳性能。类似的事情。

进行此类预测的建议算法是什么？

如果您能简要解释一下我如何构建模型，我将非常感激。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，比如最高权重是价格，然后是颜色，然后是尺寸。如果我想预测像红色小形状这样的组合与粉红色小形状相比不太可能获得更高的排名，该怎么办？ (本质上是尝试组合多个名义值列来进行预测)

Answer 1

听起来您想学习可以解释为人类的模型。根据排名变量的类型，可能有许多不同的学习器。

如果排名是分类的(例如星级)，则分类器可能是最好的。维卡有很多。 J48 决策树学习器和 OneR 规则学习器可以生成人类可以理解的模型。

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

或者，您可以尝试使用 Weka 中的任何算法对示例进行聚类，然后分析聚类。也就是说，理想情况下，集群中的示例都具有相同(或非常相似)的排名，您可以查看其他属性的值范围并得出自己的结论。