多个系数的监督机器学习
Supervised machine learning for several coefficient
我有一组项目，每个项目都由 10 个精确数字 n1, .., n10 描述。我想了解应该与这些数字相关联的系数 k1, .., k10，以便根据我的标准对它们进行排名。
为此，我创建了一个 Web 应用程序（在 php 中），它向我展示了两个项目，并询问我应该将哪个项目排在第一位（它为机器学习提供了监督）。
我的问题：我找不到针对每个案例同时学习十个系数的方法。你知道我可以使用什么算法吗？ （输入所有 10 个数字的神经网络似乎是一个不错的选择，因为它会学习所有系数，但我不知道这个网络的输出是什么，因为我想通过比较两个项目来学习它两个。)
神经网络很适合这个。您的输出将是 10 个系数。比较它们 "two by two" 不会影响网络架构。标准的神经网络训练程序负责 "comparing the items"（如果你想这么称呼它的话）本身。
最后，确保知道你有线性（单层感知器就够了）还是非线性（多层感知器）数据。
我有一组项目，每个项目都由 10 个精确数字 n1, .., n10 描述。我想了解应该与这些数字相关联的系数 k1, .., k10，以便根据我的标准对它们进行排名。
为此，我创建了一个 Web 应用程序（在 php 中），它向我展示了两个项目，并询问我应该将哪个项目排在第一位（它为机器学习提供了监督）。
我的问题：我找不到针对每个案例同时学习十个系数的方法。你知道我可以使用什么算法吗？ （输入所有 10 个数字的神经网络似乎是一个不错的选择，因为它会学习所有系数，但我不知道这个网络的输出是什么，因为我想通过比较两个项目来学习它两个。)
神经网络很适合这个。您的输出将是 10 个系数。比较它们 "two by two" 不会影响网络架构。标准的神经网络训练程序负责 "comparing the items"（如果你想这么称呼它的话）本身。
最后，确保知道你有线性（单层感知器就够了）还是非线性（多层感知器）数据。