我的数据包括以下对象。
对象1-颜色-形状-尺寸-价格-排名
因此，我希望能够预测颜色/形状/尺寸/价格的哪种组合是获得较高排名的良好组合。甚至甚至可以像这样进行组合：例如，为了获得良好的排名，alg会预测这种颜色和形状的最佳性能。这样的事情。
进行这种预测的明智算法是什么？
也可能是，如果您可以简要解释一下如何进行模型构建，我将非常感谢。比如说：我的数据看起来像
Blue pentagon small $50.00 #5
Red Squre large $30.00 #3
那么，我应该看什么有用的预测模型？我应该尝试预测哪种算法，例如说最高权重是价格，然后是颜色，然后是大小。如果我想预测像红色小形状那样的组合，与粉色小形状相比排名较高的可能性较小。 （本质上是尝试合并多个名义值列来进行预测）
最佳答案
听起来好像您想学习可以解释为人类的模型。根据排名变量的类型，可能会出现许多不同的学习者。
如果排名是分类的（例如星标），则分类器可能是最好的。 Weka有很多。 J48决策树学习器和OneR规则学习器是产生人类可以理解的模型的工具。
如果排名是连续的（例如得分），则回归可能更合适。合适的算法例如是SimpleLogistic和LinearRegression。
另外，您可以尝试使用Weka中的任何算法对示例进行聚类，然后分析聚类。也就是说，理想情况下，集群中的所有示例都应具有相同（或非常相似）的排名，您可以查看其他属性的值范围并得出自己的结论。
关于machine-learning - 在这种情况下可以使用哪些机器学习算法？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/13945446/