Algorithm 识别成功概率组合的算法
1) 假设我有300个模型和200种不同的设置来预测 基于全球GDP、外汇、竞争对手增长、新产品发布、即将推出的产品和许多其他条件,X项在市场上的月度销售额 2) 这些模型评估过去一个世纪每个月的销售额,并更新数据库中的条目。比如说,在DB中,我们有列模型名称、设置、考虑的因素、成功概率 3) 由于对过去的数据进行了数据评估,因此模型成功/失败百分比 可在数据库中识别和更新。比如说,X型个人电脑3月份销量增长10%的概率是0.8% 4) 然而,没有一个模型是完美的(概率为1),考虑到它所考虑的因素,每个模型在一定程度上都是真实的。假设一个模型考虑GDP,而另一个模型考虑汇率,另一个模型考虑该行业的新产品增长 5) 将所有因素考虑到一个模型中是非常复杂、非常混乱、耗时的,而且所有组合的测试时间都是痛苦的( 6) 最明智的决定是使用基于模型的数据组合。比方说,如果X型概率为0.7,Y型概率为0.8。然后评估这些数据的过去组合,并得出一个现实的数字来估计未来的概率。Algorithm 识别成功概率组合的算法,algorithm,Algorithm,1) 假设我有300个模型和200种不同的设置来预测 基于全球GDP、外汇、竞争对手增长、新产品发布、即将推出的产品和许多其他条件,X项在市场上的月度销售额 2) 这些模型评估过去一个世纪每个月的销售额,并更新数据库中的条目。比如说,在DB中,我们有列模型名称、设置、考虑的因素、成功概率 3) 由于对过去的数据进行了数据评估,因此模型成功/失败百分比 可在数据库中识别和更新。比如说,X型个人电脑3月份销量增长10%的概率是0.8% 4) 然而,没有一个模型是完美的(概率为1),考虑到它所考虑的因
在本例中,我只考虑了2个模型,但在实时情况下,组合可能超过5000个 7) 然而最悲哀的是,我无法推断出任何编程逻辑如何实现这一点?如有任何建议/参考,我们将不胜感激。在编写任何编程参考时,读者可以自由考虑C/C++/爪哇/C语言。p> 请注意,这个问题可能被认为是背包问题的一个扩展 请你不要投反对票。这个问题似乎是以循环的方式提出的,但并非如此。如果您觉得其中任何部分没有组织或需要详细说明,请进行相应的评论。多谢各位 寻求澄清 设置和考虑因素之间的差异? 让我最好用一个例子来说明这些差异。 比如说,一个模型X计算出麦当劳汉堡每月销售额的增减 考虑的因素 模型X考虑了以下因素
现在,我们有来自确定来源和预测因素的模型值。但哪些组合经常起作用?这些组合可能包括来自20或100个模型的数据。每个模型可能有2个或20个设置 你能澄清一下“设置”和“考虑因素”之间的区别吗?也是为了验证我的理解,6是指你想根据N个模型的概率计算出最佳权重,还是基于N个其他模型建立一个新模型?相应地修改了问题,以回应你的评论。最后一段谈到这一点。谢谢。没想到堆栈溢出会有如此糟糕的反应:(。伙计们,请提出一些建议。没问题。给我一些想法。你能澄清一下“设置”和“考虑因素”之间的区别吗?也是为了验证我的理解,#6是指你想根据N个模型的概率计算出它们的最佳权重,还是基于N个其他模型建立一个新模型?相应地修改了问题,以回应你的评论。最后一段提到了这一点。谢谢。没想到堆栈溢出会有如此糟糕的反应:(.伙计们,请提个建议。没问题。给我个主意。