Другой способ взглянуть на это как на проблему ранжирования.Если вы берете эти два значения, вес и приоритет, в качестве входных данных, вы можете создать таблицу парных сравнений, которая разбивает элементы на их входные данные (вес и приоритет), а выходные данные являются относительными порядками.
Рассмотрим, скажем, элемент 42и пункт 69, обозначенный X42 и X69: если у вас есть вес и приоритет (W42, P42) и (W69, P69), вы хотели бы знать, должен ли X42 появиться до X69, после него или на равной позиции.Если у вас есть тренировочный набор, вы можете пометить, предпочтительнее ли один другому.
Здесь нам не хватает способа их сравнения.Очень простой метод заключается в использовании логистической регрессии на разнице, т.е. простой функции f ((W_A - W_B), (P_A - P_B)) или f ((W42 - W69), (P42 - P69)), в этомдело.Если результат превышает некоторый порог, то A предпочтительнее B, в противном случае B предпочтительнее A. Вы можете использовать это для сортировки результатов.
Как обычно, большинство результатов в Интернете не очень доступны дляначинающих.Вот короткая глава , которая может быть полезна для понимания логистической регрессии.Однако, если вы хотите более подробно рассмотреть такие вопросы, сайт статистики StackExchange будет лучше.
Вам нужно будет решить: (1) можно ли разложить то, на что вы смотрите, нааддитивная функция веса и приоритета, и, если да, (2) функция потерь или целевая функция, которую необходимо минимизировать, чтобы вы могли получить оптимальные параметры для этой аддитивной функции.Порядковая логистическая модель - это один выбор, порядковый пробит - другой, и существует множество других вариантов.Если вы не используете аддитивную функцию (т. Е. Линейную комбинацию), у вас будет сложный круг возможностей, поэтому лучше начать с чего-то простого.