Math 标准化[0-1]范围内的值

这是一个关于考虑不同参数的数据规范化的问题

我在一个网站上有一组文章。用户使用评级系统，对文章的评级从1到5颗星不等。1星表示不良文章，并将文章标记为“不良”。2颗星给予“平均”评级。3、4和5颗星评级为“良好”、“非常好”和“优秀”

我想将这些评级标准化为[0-2]。标准化的值将表示一个分数，并将用作在文章列表中向上或向下提升文章的因素。具有2颗星或更少星星的文章的分数应在[0-1]范围内，因此此提升因子将产生负面影响。评级为2颗星或2颗星以上的文章应获得[1-2]范围内的分数，因此该提升因子将产生积极的提升

例如，一篇有3.6颗星的文章会得到1.4的提升系数。这将提升文章列表中的文章。一篇有1.9颗星的文章得0.8分。这个分数将使文章在列表中的排名进一步下降。一篇有两颗星的文章将获得1的提升系数-没有提升

---

此外，我想考虑每篇文章的投票数。一篇只有3颗星选票的文章的排名必须低于一篇有4颗星选票和平均2.8颗星选票的文章。（增压系数可能分别为1.2和1.3）

如果我理解正确，您应该使用a，它指的是发动机的特殊情况。在神经网络中，Sigmoid和其他逻辑函数通常用于缩小（压缩或规范化）数据的输入范围（例如，缩小到[-1,1]或[0,1]范围）。

基于这些数字，以及我自己编的一些，我得出了这5点

Rating     Boost
1.0        0.5
1.9        0.8
2.0        1.0
3.6        1.4
5.0        2.0

通过计算近似值，我得到了公式

y=0.3x+0.34

因此，您可以创建一个转换函数

float ratingToBoost(float rating) {
    return 0.3 * rating + 0.34;
}

使用此选项，您将获得大致符合您需求的输出。样本数据：

Rating     Boost
1.0        0.64
2.0        0.94
3.0        1.24
4.0        1.54
5.0        1.84

---

这显然是线性增长，这可能不是您想要的，但由于只指定了三个值，很难确切知道您期望的增长类型。如果您对线性增长不满意，并且您希望（例如）坏文章受到较低提振的惩罚，您可以尝试提出更多的值，并生成指数或对数方程。

我不打算解决您的评级系统，但标准化值的一般方法是这样的

Java方法：

public static float normalise(float inValue, float min, float max) {
    return (inValue - min)/(max - min);
}

float normalise(float inValue, float min, float max) {
    return (inValue - min)/(max - min);
}

C函数：

public static float normalise(float inValue, float min, float max) {
    return (inValue - min)/(max - min);
}

float normalise(float inValue, float min, float max) {
    return (inValue - min)/(max - min);
}

此方法允许最大值和最小值均为负值。例如：

variable = normalise(-21.9, -33.33, 18.7);

注意：不能让最大值和最小值相同，或者让最大值小于最小值。无效值应为给定范围内的winth

---

如果您需要更多详细信息，请写一条评论。

那么您的问题是什么？看来你已经在路上了。继续沿着这条思路走下去，你可能会找到答案。也可能使用arctan，但我不推荐它。：-）