这出现了很多，令人惊讶的是似乎没有标准的解决方案。假设我有一堆数字属性——你可以想象使用它根据学生/教师比例或污染等一系列组成分数对大学或城市进行排名——并希望将它们变成一个单一的分数。
我想举一堆例子并进行插值以获得一致的评分函数。
也许有标准的多维曲线拟合或数据平滑库或使这变得简单的东西？
更多例子:
最佳答案
tl;dr:查看 HiScore .它将允许您快速编写和维护以合理方式运行的评分函数。
为了实例化您的简单示例，假设您有一个接收一组距离和时间作为输入的应用程序，并且您希望将它们映射到 1-100 的分数。例如，您得到 (1.2 英里，8:37)并且您想返回，例如 64 .
典型的方法是选择几个基函数，然后对这些基函数的系数进行测试，以获得“看起来正确”的分数。例如，您可能有每英里分钟数的线性基函数，以及距离的附加基函数(可能是距离线性和距离平方根线性)。您甚至可以使用例如 radial basis functions在您的输入范围内获得更复杂的表现力。 (这与其他答案在 ML 算法(如 SVM 等)方面的建议非常相似。)
这种方法通常非常快，但有很多缺点。首先，您必须获得正确的基函数，这对于更抽象和更具表现力的函数来说可能很难。其次，你会发现你的分数很快就会僵化:如果你发现一个输入你觉得打错了，想办法改变它，同时确保评分函数的其余部分“看起来正确”将是一个挑战。第三，为分数添加另一个属性(例如，运行者是男性还是女性)可能很困难，因为您可能会发现需要在基础上添加更多术语。最后，在这种方法中没有明确保证您的分数将表现得更智能---取决于您选择的基函数和系数， 7:03 跑一英里的人比 7:01 跑 1.1 英里的人获得更高的分数 .
一种不同的方法以 HiScore, a python library I wrote 的形式存在当遇到类似的问题时。使用 HiScore，您可以用分数标记一组引用项目，然后它会生成一个评分函数，该函数可以智能地插入这些分数。例如，您可以将最后 100 个输入添加到您的应用程序中，将它们与一些最极端的输入组合在一起(可能在(距离，时间)空间中使用 convex hull 提交的输入)，标记它们，并使用 HiScore以产生合理的评分函数。如果它提出了您不同意的分数，只需将其添加到具有正确标签的引用集并重新创建评分函数，因为 HiScore 保证通过引用集进行插值。
HiScore 的一个特性是你的属性需要是单调的，或者总是增加或减少。这对于“运行时间”设置来说不是问题，因为分数应该随着距离的增加(固定时间)而上升，随着时间的增加(固定距离)而下降。 HiScore 的单调性让您相信您的分数会按预期运行；它保证某人在 7:03 跑一英里的得分不会高于某人在 7:01 跑 1.1 英里的得分。
您提出的血压设置很有趣，因为它不是单调的。低血压不好，但高血压也不好。不过，您仍然可以在这里使用 HiScore:只需将每个测量值拆分为“高血压”和“低血压”组件，其中至少有一个为零。例如，160 的收缩压读数将被映射为 60 的 systolic+ 属性和 0 的 systolic- 属性。这两个新属性的分数应该都在下降，因此这种方法变成了一个非单调的二维问题(收缩压和舒张压)变成一个单调的四维(收缩压+，收缩压-，舒张压+，舒张压-)。 (这个技巧类似于帮助线性规划进入 canonical form 的技巧。)
关于math - 将一堆数字属性转换为一个分数，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/27711982/