Machine learning 在这种情况下可以使用什么机器学习算法？

我的数据由以下对象组成

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：为了获得好的排名，alg预测这种颜色和形状的最佳性能。差不多吧

对于这种预测，什么是可取的算法

如果你能简单地解释一下我如何接近模型建筑，我会非常感激。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呢？我应该尝试什么算法来预测，比如说最高权重是价格，其次是颜色，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，排名更高的可能性更小。（本质上是尝试组合多个标称值列进行预测）

将组合视为线性方程，并应用蒙特卡罗算法（如遗传算法）调整方程的参数

---

将颜色/形状/尺寸/价格/排名编码为数字值

---

将组合视为一个线性方程，例如

a*颜色+b*形状+c*大小+d*价格=排名

应用遗传算法调整a/b/c/d，使计算出的

排名

尽可能接近基本事实

最后你得到了方程，你可以用它来：

1） 通过简单的线性规划找到最大排名

2） 只需指定其他参数即可预测排名

---

听起来你想学习可以作为人类理解的模型。根据排名变量的类型，可能会有许多不同的学习者

如果排名是分类的（例如星星），那么分类器可能是最好的。韦卡有很多人。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。

非常感谢您的观点。我对J48有了一点了解，所以我一定要尝试一下。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。比如黄色，圆形，中等，19.99美元，#458（排名）。那么你怎么建议呢，我试着给它建模。或者我应该看到什么样的输出？

J48

只能处理分类数据，因此原则上不需要修改它。不过，将价格转换为一个数字是有意义的（只需删除$符号）。查看示例排名#458表明分类并不是最好的方法（没有类）。我建议你试试回归。根据您选择的算法，您可能需要将数据转换为数字（例如，map small->0、Middle->1、large->2等）。如果我使用0、1、2等，这些算法不会使用文字值，而只是将它们作为不同的类使用吗？是的。但有些算法无法处理分类值。如果你感兴趣的只是单个因素的权重，这不重要——不管怎样，最重要的因素都会有最高的权重。你能看一下这个问题吗？你能看一下这个问题吗？我正试着这么做。这个问题我并没有找到一个理想的答案。因此，我提出了实际问题，并提供了实际的样本数据以寻求帮助。@ExceptionHandler我并没有针对这个问题。你问了9个问题，但只接受了其中的2个：-）那时我是个新手。现在，我正在努力接受答案。大多数情况下，经过几天的努力，我可能已经找到了正确的答案，然后我忘了来这里更新。。我会记住这一点：）@ExceptionHandler如果你自己找到了解决方案，干得好！我们非常欢迎您将您的解决方案发布为帮助他人的答案。如果你自己的答案比别人的好，你甚至可能想要接受。