我有一个包含市场信息的数据集。数据集中包含以下信息：市场的交易量、购买数量、所有日期的平均购买量、所有日期和所有市场的平均购买量，以及该市场相较于所有市场的平均价格低多少的百分比。
数据看起来像这样：
market volume numPurchases transDate avgDailyPurchases AvgDailyPurchasesAll JFK 500 32 20190102 50 75JFK 500 60 20190103 50 75ATL 450 40 20190102 40 75avgPercentCheaperThanAll.22.22.75我想做的是对市场进行排名。顶级市场的定义是其avgDailyPurhcases相对于其交易量较高，并且avgPercentCheaperThanAll也较高。所以在上面的数据中，尽管JFK的avgDailyPurchases更多，但ATL比所有市场便宜很多，因此ATL是一个比JFK更好的市场。
我尝试使用了IMDB的公式来排名电影，但我用自己的变量表示方法，例如：
加权评级 (WR) = (v ÷ (v+m)) × R + (m ÷ (v+m)) × C v = 市场的交易量m = 列入列表所需的最低交易量R = avgDailyPurchasesC = AvgDailyPurchasesAll这给了我一个几乎不错的列表，但它缺少了一个主要因素：avgPercentCheaperThanAll。我如何将这个因素添加到方程中以获得更好的结果？
回答：
在设计评级方程或任何方程之前，应考虑以下几点。
-
确定输入变量：可以理解为以下变量：
avgDailyPurhcases, AvgDailyPurchasesAll, avgPercentCheaperThanAll, 交易量，一个交易量的最低门槛
-
归一化输入变量：从上面的数据可以推断出，交易量在数百范围内，平均每日购买量在数十范围内，而你的便宜变量在小数范围内。如果你直接在单一方程中使用这些变量而不进行归一化，那么你的评级将会偏向于主要由交易量驱动的。因此，你应该考虑对它们进行归一化，使用此链接了解更多关于归一化数据的信息。
- 分配权重：你希望avgPercentCheaperThanAll比avgDailyPurchases变量有更高的优先级，这可以通过为变量分配适当的权重来实现。
- 定义关系：你应该考虑定义变量之间的关系，无论它们是直接相关的还是间接相关的，以便进行评级。
- 推导方程：最后一步将是推导出方程。从上面的步骤来看，这将非常容易，只需结合所有关系，然后你将得到一个如下类型的方程：
评级 = [变量1的权重]*[变量1的归一化值] + ….依此类推。
通过上述步骤，你将能够推导出所需的方程，并且该方程将对你来说更加清晰，更能适应你的情况。否则，你可以从网上复制任何评级方程并根据需要进行修改，但每个方程都会给出不同的结果，当有更多输入变量时，你将无法控制它们。
希望这对你有帮助。
