Math 建立排名/评分系统的数学模型

我想给一组卖家排名。每个卖方由参数var1、var2、var3、var4…var20定义。我想给每个卖家打分

目前，我通过分配这些参数的权重来计算分数（比如10%分配给var1，20%分配给var2等等），这些权重是根据我的直觉确定的

我的分数方程看起来像

score = w1* var1 +w2* var2+...+w20*var20
score  = 0.1*var1+ 0.5 *var2 + .05*var3+........+0.0001*var20

我的分数方程也可以是

score = w1^2* var1 +w2* var2+...+w20^5*var20

其中var1，var2，…var20是标准化的

我应该使用哪个等式？ 科学确定的方法是什么，分配的权重是什么

我想优化这些权重，使用一些面向数据的方法改进评分机制，以获得更相关的分数

例子 我有以下特点为卖家

1] 订单履行率[数字]

2] 订单取消率[数字]

3] 用户评分[1-5]{1-2:最差，3:平均，5:良好}[分类]

4] 确认订单所需的时间。（卖方花费的时间越短越好）[数字]

5] 价格竞争力

有没有更好的算法/方法来解决这个问题？计算分数？i、 e我线性添加了各种功能，我想知道构建排名系统的更好方法

如何提供权重值

---

除了使用上述功能外，我能想到的只有正面评论与负面评论的比率、受损商品的比率等。这些如何符合我的评分公式？

不幸的是，stackoverflow没有乳胶，因此图像必须：

作为免责声明，我不认为这是一个简洁的答案，但你的问题相当广泛。这还没有经过测试，但考虑到类似的问题，我很可能会采用这种方法

作为一个可能的方向，下面是

多元高斯

。其想法是，每个参数都有自己的维度，因此可以根据重要性进行加权。例如：

Sigma = [1,0,0;0,2,0;0,0,3] for a vector [x1,x2,x3] the x1 would have the greatest importance.

协方差矩阵

Sigma

负责每个维度的缩放。要实现这一点，只需将对角矩阵nxn的权重添加到对角元素。你并不真正关心交叉术语

Mu

是卖家数据中所有日志的平均值，是一个向量

x

是特定卖家的每个类别的平均值，作为向量

x={x1，x2，x3…，xn}

。这是随着收集更多数据而不断更新的值

基于整个数据集的函数参数也应该不断变化。这样就可以剔除有偏见的投票，特别是基于“感觉”的类别

---

设置完成后，可以对函数

f_x

进行评估，以获得所需的结果。这是一个概率密度函数，但其实用性并不局限于统计数据

您的问题可能会因为过于宽泛而被关闭，但我可能会从随机林开始，因为您有一个相当小的功能集。您还可以尝试寻找矩阵方程的最佳拟合解决方案。random forest是一个分类器，但我想计算权重，然后查找评分公式random forests还将为您提供每个预测值的重要度量，以及一个可以预测新的未知输入将如何响应的函数。这是一个函数，就像任何其他机器学习方法一样。我也可以使用基尼指数或熵来确定哪个预测器是重要的。有助于对大量数据点进行分类的功能将在此处排名更高。但假设我是卖家排名。我正在查看一些功能，如完成的订单数量和失败的订单数量。我要看的是我给这些特征分配了什么权重？a呢？这允许每个变量有自己的量表和一个分数值。