李克特排序优化启发式可能吗？

Question

我找不到问题的类型，我想知道是否有人知道它涉及的统计类型。我不确定它甚至是一种可以优化的类型。

我想优化三个变量，或者更确切地说是2的组合。第一个是一个类似于scalert的平均值，另一个是该物品在这个likert级别上的频率，第三个是项目ID 。李克特是[1,2,3,4]

所以：

3.25，200，ITEM1。这意味着item1被评为200次，平均评分为3.25。

我有一堆物品，我想找到高价值的物品。例如，一个4,1的项目会被吸引，因为虽然它被评为最高，但它只被评为一次。而且1,1000也会因为相反的原因而吸吮。

有没有一种方法可以用简单的启发式进行优化？有人告诉我看看信心乐队，但我不确定这是如何工作的。谢谢！

Answer 1

基本上，您希望忽略小于x评分的分数，其中x是可根据数据方差估计的阈值。

我会推荐估计数据的方差（标准偏差），并在标准误差上加一个阈值，然后将该误差转换为产生95％置信度所需的最小样本数。例如，如果您的数据的标准偏差为0.5，并且您希望95％确定您的分数在当前估计值的0.1以内，那么您需要（0.5/0.1）^ 2 = 25个评分。