百科问答小站 logo
百科问答小站 font logo



机器学习能否用于综合评价?具体怎么操作? 第1页

  

user avatar   feng-kuang-shen-shi-92 网友的相关建议: 
      

肯定适合呀。

两者又没有那么明显的界限。

很多基本思想是一致的。

比如你讲到的topsis的基本思想改造,改造就可以运用到具体的领域里面来。

1、topsis的夹逼(过程)

上面有流程图。

一般讨论topsis的算法,或者整个过程,主要是讨论 D+ D-的两个距离公式

其实质就是带权值的距离公式。

从纵向的角度考虑就是一个夹逼的过程。

从多维(多列)到2列,再到一列(贴近度的两列是等价的)

里面归一化的部分,求权重的部分,机器学习中是必学的基本内容。

2、一个衣服合适度的问题求解

问题描述,一个女生,拍几张照片上传,然后选定了某款式的衣服,给出女生适合穿哪个型号。

求解过程如下:

上面是原始数据,S代表是小号的衣服。颈部是照片拟合出来的人的颈围,小号衣服最适合的长度。

两者之差称之为松度。这是立刻可以算出的。

上述归一化后的数据。

其中的权重可以由用户投票得出,也可以训练得出。

上面是一个专家经验得到的权重

上面是正负距离

上面是贴近度。

归一化矩阵来看,穿M 、L、XL都可以。

从距离公式上看,L,XL都差不多。都是属于最合适的。

从贴近度看,大号更合适。

这个例子是一个典型的机器学习问题。也是融入了传统的topsis的概念问题。

当然很多搞计算机的反而喜欢写拍照然后拟合这个部分。

即正面照,侧面照或者加一张背面照,然后拟合。




  

相关话题

  有没有值得推荐的随机森林 Random Forest教材? 
  如何看待Meta(恺明)最新论文ViTDet:只用ViT做backbone(不使用FPN)的检测模型? 
  为什么计算注意力机制的时候不加偏置项? 
  为何总感觉人工智能和神经科学(神经网络)被绑在一起? 
  为什么要学习吴恩达的机器学习? 
  2019年CVPR有哪些糟糕的论文? 
  计量经济学是不是过时了? 
  如何看待NVIDIA 即将开源的DLA? 
  如何看待timm作者发布ResNet新基准:ResNet50提至80.4,这对后续研究会带来哪些影响? 
  人工智能在生活中的应用都有哪些? 

前一个讨论
离职前的最后一天是怎么样一种体验?
下一个讨论
双飞燕是老品牌了,现在还流行吗?





© 2025-05-07 - tinynew.org. All Rights Reserved.
© 2025-05-07 - tinynew.org. 保留所有权利