我可以使用机器学习来确定最佳产品配置吗
Can I use Machine Learning to identify the best product configuration
这种情况是否适用于 ML/Pattern 识别模型，还是 easier/faster 仅从大型数据库中过滤。
我希望创建一个系统，允许用户通过指定某些限制条件和首选功能来识别合适的产品。
有数百万种可能的产品配置。让我们假装它是盒子。
产品选项：
- 尺寸（从 1mm 到 1m）以 1mm 为增量
- 颜色：10种颜色选择
- Material：木头、金属、塑料三选一
限制条件：
- 木材仅以厘米为单位提供
- 红色仅适用于 500 毫米及以上
- 首选木材material
- 蓝色是首选颜色
因此，我们有 30,000 (1000*10*3) 个可能的选项。其中，许多不可行，例如 533 mm-Red-Wood
但是这些与请求类似的配置是可以的。
- 533 mm-红-塑
- 530mm-红木
- 540mm-红木
备注：
我们当前基于规则和代码的工具可能需要 0.5 到 2 分钟的时间来确定首选配置。
我们可以生成所有可能配置的列表以及它们是否有效。
我们估计有 30,000,000 个可能的配置验证一个配置大约需要 0.5 秒，因此如果有足够的计算能力，我们预计我们可以在几天内完成 30M。
Can I use Machine Learning to identify the best product configuration?
是的，如果您有一组理想的配置，可以从中推断出哪些功能使其成为最佳配置。
但在你的问题中，你似乎有固定的规则，你想只使用这些规则生成有效的配置。
显然这也是可能的（而且更容易），但这不是机器学习，因为您的软件与数据 "learn" 无关，而只是生成受约束的配置。
这种情况是否适用于 ML/Pattern 识别模型，还是 easier/faster 仅从大型数据库中过滤。
我希望创建一个系统，允许用户通过指定某些限制条件和首选功能来识别合适的产品。
有数百万种可能的产品配置。让我们假装它是盒子。
产品选项：
- 尺寸（从 1mm 到 1m）以 1mm 为增量
- 颜色：10种颜色选择
- Material：木头、金属、塑料三选一
限制条件：
- 木材仅以厘米为单位提供
- 红色仅适用于 500 毫米及以上
- 首选木材material
- 蓝色是首选颜色
因此，我们有 30,000 (1000*10*3) 个可能的选项。其中，许多不可行，例如 533 mm-Red-Wood
但是这些与请求类似的配置是可以的。
- 533 mm-红-塑
- 530mm-红木
- 540mm-红木
备注： 我们当前基于规则和代码的工具可能需要 0.5 到 2 分钟的时间来确定首选配置。
我们可以生成所有可能配置的列表以及它们是否有效。
我们估计有 30,000,000 个可能的配置验证一个配置大约需要 0.5 秒，因此如果有足够的计算能力，我们预计我们可以在几天内完成 30M。
Can I use Machine Learning to identify the best product configuration?
是的，如果您有一组理想的配置，可以从中推断出哪些功能使其成为最佳配置。
但在你的问题中，你似乎有固定的规则，你想只使用这些规则生成有效的配置。 显然这也是可能的（而且更容易），但这不是机器学习，因为您的软件与数据 "learn" 无关，而只是生成受约束的配置。