假设N次发生后,有P次事件发生。下一次估计事件发生概率的“天真”方法是P/N,但显然N越高,我们的估计就越好。基于过去发生概率估计的简单算法?
什么是在现实世界中建模“确定性”的实用方法?我不需要数学上完美的东西,只是为了让它更现实一些。例如:
-
如果一个球员得分9个进球中的40场比赛,然后我想算法
- 来评价他不是一个足球运动员高谁的得分在4场比赛
- 电影1粒进球与10万票的评级8.0应该比8.2电影放在高于2K票
- 等...
假设N次发生后,有P次事件发生。下一次估计事件发生概率的“天真”方法是P/N,但显然N越高,我们的估计就越好。基于过去发生概率估计的简单算法?
什么是在现实世界中建模“确定性”的实用方法?我不需要数学上完美的东西,只是为了让它更现实一些。例如:
这看起来像威尔逊评分区间:http://en.wikipedia.org/wiki/Binomial_proportion_confidence_interval#Wilson_score_interval。威尔森分数解决了如何对二维数组进行排序的问题。
上面Ari发布的Bayes定理更容易实现(只是发现这是imdb用于他们的评分系统的算法),但Wilson评分间隔似乎是一个更“准确”的估计,所以我接受这个定理。 – 2012-03-06 08:02:43
基于这些例子,在我看来,会有一个公式,它会提供一个排序键**,但我不知道更多。 – 2012-03-06 06:43:05
你的目标不是很明确。你应该更好地描述什么被认为更好 – 2012-03-06 06:53:01
我认为贝叶斯定理就是你要找的东西。这是一个简单的公式,但其应用可能非常复杂。 (http://en.wikipedia.org/wiki/Bayes'_theorem) – Ari 2012-03-06 06:58:11