通过机器学习获取正态分布的结果

我有每道问题的调查结果数据,希望找到一个公式或模式来计算或预测客户满意度指数。我们假设满意度指数遵循正态分布,公式为:满意度指数 = ∑ 权重(i) * 评分(i),其中评分(i)是问题i的评分,目标是找出权重(i)。

有什么方法可以根据正态分布的满意度指数来确定权重(i)吗?


回答:

你应该使用线性回归。将指数作为每个问题评分的函数进行回归。如果你假设指数和评分都呈正态分布,并且指数是评分的线性组合,那么这是正确的方法。

然而,这可能并不完全正确。满意度指数中可能存在非线性因素。在这种情况下,你可以使用神经网络或支持向量机来尝试建立更好的预测模型。但你应该先尝试线性回归,看看是否能得到一个好的拟合结果。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注