根据属性和权重设计评分算法

如何根据已知的值和权重设计一个有效的评分方法?

例如,我试图根据健身值对一台机器进行评分,首先我想考虑CPU使用情况。
假设CPU的权重为100中的50。(50%的重要性)
我知道平均CPU使用率。(avg_cpu)
我知道当前CPU使用率的变化比率(delta)或(cpu/average_cpu)

我们知道持续低CPU使用率是好的。
我们知道持续低CPU使用率并偶有峰值是可以接受的。
我们知道持续高CPU使用率是勉强的。(可能是这台机器运行的正常状态)
我们知道从持续低CPU使用率突然变成持续高CPU使用率是糟糕的。

我希望CPU的最终得分是100分制。

根据这些标准,我该如何设计一个有效的算法?


回答:

尝试使用线性回归,通过拟合一个线性方程到你已经手动给出评分的数据集上。使用MATLAB或R来获取内置的线性回归函数。一旦你有了方程,你就可以直接输入参数并获得输出值。

注意 :-

如果你的函数是非线性的,这方法将不适用,但你总是可以使用更复杂的方法,如支持向量机(SVM)

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注