我在这里看到了一些机器学习问题,所以我想我会发布一个相关的问题:
假设我有一个随机生成的食物 list ,包括主菜,甜点和饮料。一个例子是鸡肉,芝士蛋糕,橙汁。用户将根据1-5的等级来评价他们个人如何喜欢此组合。达到评级后,将出现另一组随机食物。
我的问题是,我将使用哪种机器学习技术/算法来预测用户将根据其所有先前数据对随机生成的集合进行排名?本质上,使用他们的意见来预测他们对新食物的评价。是否有任何网站/书籍可能会有所帮助?
最佳答案
您已经陈述了回归问题,因为您试图预测一个连续的数值。
对于每个数据实例,您可以提取特征并关联一个值(1-5)。这些功能可以是用餐时菜肴的存在(例如has_cheesecake,has_orange_juice),其中每个功能都是 bool 值。假设有N种可能的菜;那么每顿饭都是具有N个特征和关联值的数据实例(也称为特征向量)。下面是N = 12的示例,其中最后(第13列)是值。
0 0 0 1 1 0 0 0 1 0 0 0 5
1 0 0 1 0 1 0 0 0 0 0 0 3
0 0 0 0 0 0 1 1 0 0 0 1 4
然后,您可以将其输入到Weka之类的机器学习程序中,它将为您创建一个回归模型。然后,当您要预测用户对一顿新饭的排名时,可以输入一个新向量,其中最后一列是未知的,如下所示:
0 0 1 0 0 0 1 0 0 0 0 1 ?
该软件将向您返回一个值,例如3.9。
关于machine-learning - 机器学习的应用,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/13462546/