在这种情况下可以使用哪些机器学习算法？答案

【问题标题】：What machine learning algorithms can be used in this scenario?在这种情况下可以使用哪些机器学习算法？
【发布时间】：2012-12-06 09:29:42
【问题描述】：

我的数据由如下对象组成。

Obj1 - 颜色 - 形状 - 尺寸 - 价格 - 排名

所以我希望能够预测颜色/形状/尺寸/价格的组合是获得高排名的好组合。甚至一个组合也可以像这样工作：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。

这种预测的可取算法是什么？

如果您能简要解释一下我如何处理模型构建，我可能会非常感激。比如说：我的数据看起来像

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

那么，我应该研究什么有用的预测模型？我应该尝试什么算法来预测，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，与粉色小形状相比，它的排名不太可能更高。（本质上是尝试组合多个标称值列来进行预测）

【问题讨论】：

【解决方案1】：

将组合视为线性方程，并应用蒙特卡罗算法（如遗传算法）来调整方程的参数。

【讨论】：

你能看看这个问题吗？stackoverflow.com/questions/13983955/…
我正在尝试这样做。这个问题我并没有真正找到理想的答案。所以我用实际的样本数据提出了实际的问题以寻求帮助。
@ExceptionHandler 我不是指这个问题。你问了 9 个问题，但只接受了其中的 2 个：-)
那时我还是个新手。现在，我正在尝试接受答案。大多数时候，经过几天的努力，我可能会想出正确的答案，然后我忘了来这里更新..我会牢记这一点：）
@ExceptionHandler 如果您自己找到了解决方案，那就太好了！并且非常欢迎您发布您的解决方案作为帮助他人的答案。如果它比别人的更好，你甚至可能想接受你自己的答案。

【解决方案2】：

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

如果排名是分类的（例如星星），分类器可能是最好的。 Weka有很多。一些产生人类可以理解的模型的是J48决策树学习器和OneR规则学习器。

如果排名是连续的（例如分数），回归可能更合适。合适的算法例如是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。

【讨论】：

非常感谢您的观点。我对 J48 有了一点了解，所以我一定会尝试一下。我需要一些关于如何修改数据的建议。现在，我的数据都是名义属性。像 Yellow、Circle、Medium，19.99 美元，#458（排名）。所以你如何建议，我尝试建模。或者我应该看什么样的输出？
J48 只能处理分类数据，因此原则上无需修改。将价格转换为数字是有意义的（只需删除 $ 符号）。看到示例排名 #458 表明分类不是最好的方法（没有类）。我建议您尝试回归。根据您选择的算法，您可能需要将数据转换为数字（例如映射小 -> 0、中 -> 1、大 -> 2 等）。
如果我使用 0 , 1 ,2 等，算法会不会使用文字值而只是将它们用作不同的类？
是的。但是，某些算法无法处理分类值。如果您只对单个因素的权重感兴趣，那么这无关紧要——无论如何，最重要的因素将具有最高的权重。
你能看看这个问题吗？stackoverflow.com/questions/13983955/…