在对 "best" 候选人进行排名时如何确定最佳变量权重
How do I determine the optimum variable weights when ranking the "best" candidate for a prize
假设我正在编写一个程序，目的是 select 成为比赛的赢家。有 'n' 位人类评委秘密地为 'm' 名候选人中的前三名候选人分配第 1、2、3 名的排名。
然后节目必须经过评委的决定，根据分配给第一名、第二名和第三名的权重，每个候选人将根据他们获得的第一名、第二名和第三名的票数进行评分, 乘以每个完成位置的适当评级。
然而，一开始，程序并不知道什么权重是合适的，所以我创建了一个自动化“程序”，旨在根据评委如何挑选获胜者来“发现”合适的权重来自假设情况。
我给出一个 table，其中横轴包含完成位置和裁判代码（例如裁判 W、裁判 X、裁判 Y、裁判 Z）。纵轴有三行（第1位、第2位、第3位），在每行的交叉点Judge/Row，我随机生成了一个候选ID（从集合A到F）。
渲染 table 之后，我会问法官他们会选择谁作为获胜者（如果没有足够的信息可供选择，法官可以选择通过）。
在通过适当数量的场景判断 运行 之后，我现在希望获取各种 运行 的结果并使用该信息来确定“最适合”的权重第 1、2 和 3 个位置。
假设其中一个假设的网格如下所示：
<table border="1"><tbody><tr><th>Position</th><th>Judge 'W'</th><th>Judge 'X'</th><th>Judge 'Y'</th><th>Judge 'Z'</th></tr><tr><td>1st</td><td><center>A</center></td><td><center>F</center></td><td><center>C</center></td><td><center>B</center></td></tr><tr><td>2nd</td><td><center>D</center></td><td><center>B</center></td><td><center>E</center></td><td><center>D</center></td></tr><tr><td>3rd</td><td><center>C</center></td><td><center>E</center></td><td><center>B</center></td><td><center>C</center></td></tr></tbody></table>
然后人类法官选出候选人“B”作为获胜者。我的程序应该通过计算 (w1 + w2 + w3) > (w1 + 2w3) （即 B 优于 C）和 (w1 + w2 + w3) > (2 w2 )（即B优于D）等
根据这些不同的代数比较，在许多“假设场景”中，我希望能够计算出 w1、w2 和 w3 的最佳值。然后，当有足够多的“好”数据时，我希望能够使用这些“发现”的权重来回溯训练数据，找出人类判断可能犯错的区域。
我正在使用 PHP 作为编程语言，但不知道哪些函数或可能的现有库适合解决这种“模糊”方程式。
我正在寻找一些方向来帮助我解决这个问题。
感谢您的帮助。
为获胜的候选人计算他在每个位置出现的次数，然后为所有其他候选人做同样的事情。然后为每个候选人写下以下公式：
GoodForJ=w1*nw1+w2*nw2+w3*nw3>w1*nj1+w2*nj2+w3*nj3
其中nw1-3是获胜者在每个位置出现的次数，nj1-3是第j个候选人在每个位置出现的次数。
如果所有候选人的 goodForJ 都为真，这意味着权重元组是好的。现在您只需要尝试一系列重量组合并找出适合的重量。尝试 1 到 10 之间的所有权重组合需要 1000 次迭代。
为了让事情变得更加模糊，对于每次尝试，您可以计算有多少次 goodForJ 为真，并选择产生最高分数的权重。
假设我正在编写一个程序，目的是 select 成为比赛的赢家。有 'n' 位人类评委秘密地为 'm' 名候选人中的前三名候选人分配第 1、2、3 名的排名。
然后节目必须经过评委的决定，根据分配给第一名、第二名和第三名的权重，每个候选人将根据他们获得的第一名、第二名和第三名的票数进行评分, 乘以每个完成位置的适当评级。
然而，一开始，程序并不知道什么权重是合适的，所以我创建了一个自动化“程序”，旨在根据评委如何挑选获胜者来“发现”合适的权重来自假设情况。
我给出一个 table，其中横轴包含完成位置和裁判代码（例如裁判 W、裁判 X、裁判 Y、裁判 Z）。纵轴有三行（第1位、第2位、第3位），在每行的交叉点Judge/Row，我随机生成了一个候选ID（从集合A到F）。
渲染 table 之后，我会问法官他们会选择谁作为获胜者（如果没有足够的信息可供选择，法官可以选择通过）。
在通过适当数量的场景判断 运行 之后，我现在希望获取各种 运行 的结果并使用该信息来确定“最适合”的权重第 1、2 和 3 个位置。
假设其中一个假设的网格如下所示：
<table border="1"><tbody><tr><th>Position</th><th>Judge 'W'</th><th>Judge 'X'</th><th>Judge 'Y'</th><th>Judge 'Z'</th></tr><tr><td>1st</td><td><center>A</center></td><td><center>F</center></td><td><center>C</center></td><td><center>B</center></td></tr><tr><td>2nd</td><td><center>D</center></td><td><center>B</center></td><td><center>E</center></td><td><center>D</center></td></tr><tr><td>3rd</td><td><center>C</center></td><td><center>E</center></td><td><center>B</center></td><td><center>C</center></td></tr></tbody></table>
然后人类法官选出候选人“B”作为获胜者。我的程序应该通过计算 (w1 + w2 + w3) > (w1 + 2w3) （即 B 优于 C）和 (w1 + w2 + w3) > (2 w2 )（即B优于D）等
根据这些不同的代数比较，在许多“假设场景”中，我希望能够计算出 w1、w2 和 w3 的最佳值。然后，当有足够多的“好”数据时，我希望能够使用这些“发现”的权重来回溯训练数据，找出人类判断可能犯错的区域。
我正在使用 PHP 作为编程语言，但不知道哪些函数或可能的现有库适合解决这种“模糊”方程式。
我正在寻找一些方向来帮助我解决这个问题。
感谢您的帮助。
为获胜的候选人计算他在每个位置出现的次数，然后为所有其他候选人做同样的事情。然后为每个候选人写下以下公式：
GoodForJ=w1*nw1+w2*nw2+w3*nw3>w1*nj1+w2*nj2+w3*nj3
其中nw1-3是获胜者在每个位置出现的次数，nj1-3是第j个候选人在每个位置出现的次数。 如果所有候选人的 goodForJ 都为真，这意味着权重元组是好的。现在您只需要尝试一系列重量组合并找出适合的重量。尝试 1 到 10 之间的所有权重组合需要 1000 次迭代。 为了让事情变得更加模糊，对于每次尝试，您可以计算有多少次 goodForJ 为真，并选择产生最高分数的权重。