自动排序无序列表的最佳方法？ [关闭]答案

【问题标题】：Best way to automatically sort an unordered todo list? [closed]自动排序无序列表的最佳方法？ [关闭]
【发布时间】：2016-06-27 10:05:44
【问题描述】：

我的最终目标是有一个脚本来处理基于紧迫性（到期天数）和重要性（1-10）的无序任务列表。这意味着只有一个框可以输入任务，如下所示：

(3) 支付电话费 [due:3d]

这意味着无需手动排序或按正确顺序放置每个任务。就改变事情而言，我所做的最多就是改变截止日期，或者已经在列表中的任务的重要性。

【问题讨论】：

【解决方案1】：

您需要为每个来源提出正确的权重系数。

score = x * importance + y * urgency + z * location

您所了解的算法是关于如何根据真实的分类数据确定最佳系数。那叫Supervised Learning.

假设您有一个训练样本表：

[importance, urgency, location, score ] = [i,u,l,s]

分配的分数本身并不重要，但相对分数值应该代表您将做出的决定。您的解决方案的线性拟合将是：

a = [i, u, l] , a row vector of sources.

A= [a1  ; = [i1, u1, l1;
    a2  ;    i2, u2, l2;
    ... ;    ...;
    an  ]    in, un, ln]

所有源样本的矩阵，每行一个。

S= [s1;
    s2;
    ...
    sn]

带有分数样本的列向量。

然后就可以计算了

B=(A*A')^-1 A'* S

B 是具有最佳权重的数组 [x,y,z]。

使用数学软件或数学库进行矢量运算。 MATLAB/gnuOctave 是我的建议。 numpy 一个更丑陋的替代方案，它也可以工作。

如果您对它的工作原理感兴趣，请联系linear predictor，这是您不知道有关样品的任何额外信息时的最佳解决方案。

【讨论】：

作为一个完全的菜鸟，有没有办法让我做到这一点无痛？不幸的是，这超出了我的范围。
这看起来像是一个优先问题，只需获取一组样本，为每个案例分配一个分数和来源。这些是你的训练样本。然后进行线性拟合以找到最佳系数。 en.wikipedia.org/wiki/Linear_predictor_function
你能给我一个例子吗？我讨厌索要讲义，但这是我和我的程序之间的大问题哈。而我唯一做不到的事情是没有讲义。
xvan，这似乎是另一个问题的好答案。看起来 OP 想要将三个分数合并为一个，所以你的第一段很好 - 我看不出 OP 如何需要矩阵数学和学习算法。
如何得出正确的合并权重？机器学习就是关于如何选择最佳系数。我的答案在数学上是最优的，前提是您对该问题一无所知，并且您想要线性合并。