【发布时间】：2019-12-01 18:58:05
【问题描述】：
我想解决的问题是如何根据一些有序的用户偏好选择火车上的最佳座位。例如。他们是否想要一个朝前、朝后（或不在乎）的座位，他们是否想要一个坐在桌子旁的座位，他们是否需要靠近厕所、行李架、自助餐车、靠近门.靠窗/过道座位。无论他们想要左边还是右边的过道（对于膝盖有问题的人来说可能非常重要！）。
大多数客户会指定一两个偏好，其他客户可能会指定更多。对于一些人来说，靠近厕所可能是最重要的因素，而对于其他人来说，有这张桌子可以工作可能是最重要的。
可能有不止一位乘客（尽管他们会分享偏好）。这些应该尽可能靠近彼此。理想情况下，2 名乘客将挨着坐，或在桌椅上彼此相对。一组 8 位乘客最好分成 2 组 4 人或 4 组 2 人...
位置由车厢编号（同一个车厢的座位优于不同车厢的座位）和该车厢内的 x/y 坐标定义 - 很容易计算任何一对座位之间的距离 - 但一项艰巨的工作是计算每对座位之间的距离...）
每个 [available] 座位（按机票类别预先过滤）都将具有已定义或设置为 NULL 的上述属性（对于未知 - 座位朝向通常是未知的）。
因此，对于培训，我可以提供大量示例火车和客户偏好，以及偏好版本位置的最佳平衡。
为了执行，我想提供一个运行时特定的座位数组，其中包含属性、一组用户偏好和一组如果这些偏好的权重（例如，乘客 1 认为靠近厕所最重要，乘客 2 认为有一张桌子是最重要的，乘客 3 认为在安静的车厢里是..) 最后是乘客的数量。
输出将是一系列座位（每位乘客一个），它们在匹配尽可能多的客户偏好（通常不可能匹配所有偏好）和保持座位彼此相当接近之间取得最佳折衷。
例如。我们也许可以匹配 2 个座位间隔为 2 排的偏好，但匹配 3 个偏好和座位间隔为 10 排的座位......
显然，距离需要与个人偏好相同的权重，并且需要在这两者之间进行选择。我想不大于 X 的距离只是客户偏好的一种......
我以前没有做过任何机器学习工作，所以这对我来说都是一次学习练习。我希望我有时间只是玩，看看会发生什么，但我没有，很高兴这样做，但我需要对积极的结果有一个合理的期望，否则我将不得不专注于更传统的方法.时间有限等等……
所以，我的问题是：
- 这是一个适合机器学习的问题吗？
- 如果是这样，brain.js 是一个不错的选择，还是其他更合适的选择？也许是 AWS ML 服务？
- 关于如何将我的所有数据组织成适合 ML 引擎处理的数据的任何建议？
【问题讨论】：
标签： machine-learning neural-network artificial-intelligence brain.js