在这种情况下，哪种机器学习算法最好？

Question

更新 - 短版

在阅读了一些答案和评论之后，我想我可以更好地总结一下我的问题。请参阅下面的详细示例。

我正在寻找一种能够：

的机器学习算法

• 生成几个不同变量的组合，
• 从连续的人工反馈中学习，将每个组合分类为“好”或“坏”，并提高其未来的生成准确度
• 在小型反馈（培训）数据集上的工作相对较好
• 权重最近提供了反馈（培训）数据 - 换言之，与新反馈相比，旧反馈数据随着时间的推移应该变得不那么有影响力了

示例场景

让我们说我正在尝试创建一个能够生成锻炼计划的算法。我会给它一些限制（我每天只能花45分钟锻炼，周四不能锻炼等）。然后，我希望它为一周中的每一天生成锻炼计划。

然后，我希望能够告诉算法我不喜欢它生成的时间表的一部分（也许我不喜欢在ab锻炼的同一天运行）。我给出算法的唯一输入是给定日期的一个练习是“坏”（我取消ab或运行部分，任一个）。

但是我并没有告诉它为什么它很糟糕，只是因为它无论什么原因都不起作用。这可能是一百万种不同的原因之一，也许我在运动后将其标记为“不好”，我甚至都不知道为什么它不顺利，只是我感觉不到。

此外，该算法可以假设我不标记为“不好”的任何运动计划至少是“正常”。

我在寻找......

我正在寻找一种算法（机器学习，我假设），它会接受这些反馈并随着时间的推移进行训练，以尝试猜测我会喜欢哪些训练。它可能会在相对较小的数据集上工作（我每周不会锻炼数千次），而且我无法从其他人那里获取数据（所以某种推荐引擎就是Netflix了）。

我认为这属于二元分类问题 （建议的锻炼时间表“至少可以”或“不好”） ，但是我我不确定从算法的角度来看最好的方法是什么。

我可以（希望）自己找出编码和算法的详细信息，但我需要一些关于哪种算法的指导或建议！

Answer 1

解决方案1：
Netflix Prize解决了类似的问题。该算法知道您喜欢/不喜欢的电影数量相对较少，并且基于此[和其他用户体验]，它会建议您喜欢哪部电影。

有很多关于这个主题的文章，BellKor solution得分最高。

这当然不是同一个问题，因为它也解决了其他用户的偏好，并使用它来匹配您喜欢的电影，但它可能对您有所帮助。

（*）在你的问题中，“电影”是一种竞争训练[abs +有氧运动]，根据你喜欢/不喜欢的训练，以及它与其他用户的相似性，可以选择一个首选的训练你。

可以在Netflix Prize Homepage

找到更多信息

---

解决方案2 一个更简单，但很可能不太准确的解决方案可以基于k nearest neighbor算法。每当用户指示他喜欢/不喜欢训练时，您都会存储它。
在这里，您的功能是锻炼部分[二进制值，例如，如果您有跑步+腹肌训练，这些值将设置为true，其余值为false]。
当您需要选择训练时，您可以将其与最近的k个邻居[最相似的特征]进行匹配，并根据他对类似“邻居”的回答来预测用户是否喜欢/不喜欢此训练。
请注意，此算法仅检查是否喜欢/不喜欢锻炼，并且不会创建锻炼。一个可以随机选择，只有当算法认为它是一个好的时候才应该被接受，否则：随机选择一个新的，等等......

一般评论： 跟进评论讨论：
机器学习主要基于启发式和实验。在我看来，你可能应该有一些算法，并根据实验检查哪些分数是最佳准确度，或者结合一些算法以获得最佳结果。如何根据这个答案组合算法的一个可能性是：

1. choose a workout based on the BellKor solution to the Netflix prize
2. check k nearest neighbor - if this workout is likely to be approved by the user.
   2.1. If it is likely to be approved: pass it to the user and finish
   2.2. else: return to 1, and choose a different workout.

Answer 2

这确实感觉像二元分类问题。我首先阅读Naive Bayes classifier。真正的工作是决定每个锻炼程序的“特征”。长度？困难？肌肉工作？燃烧大约卡路里？一天的时间？那天天气？因为这些算法正在学习驱动你的决定。

我建议Mahout in Action（我写了一部分，但不是分类器），涵盖Apache Mahout，并且有一个非常不错的实用分类介绍。

Answer 3

您可能需要考虑阅读有关多实例学习的内容。这个想法是你发送要评估的东西袋子，如果袋子里的任何物品都不好，整个袋子的评级都会很差。如果所有项目都很好，你会获得正面评价。

虽然这不是你问题的完美匹配，因为在你的问题中，两件好事可能在一起很糟糕，但它至少可能指向你正确的方向。

Answer 4

这是另一个领域中模糊相似的东西：http://en.wikipedia.org/wiki/Evolutionary_music

就个人而言，我会从一个简单的调度程序开始（例如，按优先顺序一次将活动纳入计划中），并添加一个GUI，允许您按计划转换活动，或标记一组活动为删除和重新安排，可能在不同的优先顺序下，或某种随机扰动。

Answer 5

你只能通过一个algorythm创建它。您应该构建将使用不同算法的pipline。如果你想构建一个好的工作应用程序，这不是一件非常简单的事情。