在這種情況下，哪種機器學習算法最好？

Question

更新 - 簡短版本

在閱讀了一些答案和評論之后，我想我可以更好地總結一下我的問題。 請參閱下面的詳細示例。

我正在尋找一種機器學習算法，可以：

• 生成幾個不同變量的組合，
• 從持續的人工反饋中學習，將每個組合分類為“好”或“壞”，並提高其未來的生成准確性
• 在小反饋（訓練）數據集上工作得相對較好
• 權重最近提供了反饋（訓練）數據 - 換句話說，與新反饋相比，舊反饋數據隨着時間的推移應該變得不那么有影響力

示例場景

讓我們說我正在嘗試創建一個能夠生成鍛煉計划的算法。 我會給它一些限制（我每天只能花45分鍾鍛煉，周四不能鍛煉等）。 然后，我希望它為一周中的每一天生成鍛煉計划。

然后，我希望能夠告訴算法我不喜歡它生成的計划的一部分（也許我不喜歡在ab鍛煉的同一天運行）。 我給出算法的唯一輸入是給定日期的一個練習是“壞”（我取消ab或運行部分，任一個）。

但我不會告訴它為什么它是壞的，只是因為它無論什么原因都不起作用。 這可能是一百萬種不同的原因之一，也許我在運動后將其標記為“不好”，我甚至都不知道為什么它不順利，只是因為我感覺不舒服。

此外，該算法可以假設我沒有標記為“壞”的任何鍛煉計划表至少是“好的”。

我在找什么......

我正在尋找一種算法（機器學習，我假設），它會接受這些反饋並隨着時間的推移進行訓練，以嘗試猜測我會喜歡哪些訓練。 它可能會在相對較小的數據集上工作（我一周不會鍛煉數千次），而且我無法從其他人那里獲取數據（所以某種推薦引擎就是Netflix了）。

我認為這屬於二元分類問題 （提議的鍛煉計划是“至少確定”或“不好”） ，但我不確定從算法的角度來看最佳方法是什么。

我可以（希望）自己找出編碼和算法細節，但我需要一些指導或建議，從哪個算法開始！

Answer 1

解決方案1：
Netflix獎解決了類似的問題。 該算法知道您喜歡/不喜歡的電影數量相對較少，並且基於此[和其他用戶體驗]，它會建議您喜歡哪部電影。

關於這個主題的文章很多， BellKor解決方案得分最高。

這當然不是同一個問題，因為它也解決了其他用戶的偏好，並使用它來匹配您喜歡的電影，但它可能會對您有所幫助。

（*）在您的問題中，“電影”是一種競爭訓練[例如abs +有氧運動]，並且基於您喜歡/不喜歡的訓練，以及它與其他用戶的相似性，可以為您挑選優先訓練。

更多信息可以在Netflix Prize主頁上找到

---

解決方案2
預先更簡單但可能不太准確的解決方案可以基於k個最近鄰居算法。 每當用戶指示他喜歡/不喜歡訓練時，您都會存儲它。
在這里，您的功能是鍛煉部分[二進制值，例如，如果您有運行+ abs訓練，這些值將設置為true，其余值為false]。
當您需要選擇訓練時，您可以將其與最近的k個鄰居[最相似的特征]進行匹配，並根據他對類似“鄰居”的回答來預測用戶是否喜歡/不喜歡此訓練。
請注意，此算法僅檢查是否喜歡/不喜歡鍛煉，並且不會創建鍛煉。 一個可以隨機選擇，只有當算法認為它是好的時才應該被接受，否則：隨機選擇一個新的，依此類推......

一般性評論：跟進評論討論：
機器學習主要基於啟發式和實驗。 在我看來，你可能應該有一些算法，並根據實驗檢查哪些分數是最佳准確度，或者結合一些算法以獲得最佳結果。 基於這個答案如何組合算法的一種可能性是：

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

這確實感覺像二元分類問題。 我首先閱讀Naive Bayes分類器 。 真正的工作是決定每個鍛煉程序的“特征”。 長度？ 困難？ 肌肉工作？ 燃燒大約卡路里？ 一天的時間？ 那天天氣？ 因為這些算法正在學習驅動你的決定。

我推薦Mahout in Action （我寫了一部分，但不是分類器），它涵蓋了Apache Mahout ，並且有一個相當不錯的實用分類介紹。

Answer 3

你不能用一個algorythm來創造這個。 您應該構建將使用不同算法的pipline。 如果你想要構建一個好的工作應用程序，那不是很簡單的事情。

Answer 4

您可能需要考慮閱讀有關多實例學習的內容。 這個想法是你發送要評估的東西袋子，如果袋子里的任何物品都不好，整個袋子的評級都會很差。 如果所有項目都很好，你會獲得正面評價。

然而，這並不是你問題的完美匹配，因為在你的問題中，兩件好事可能會一起變壞，但至少可能會指出你正確的方向。

Answer 5

這是另一個領域中模糊相似的東西： http ： //en.wikipedia.org/wiki/Evolutionary_music

就個人而言，我會從一個簡單的調度程序開始（例如，按優先順序一次一個地將活動納入計划中），並添加一個GUI，允許您按計划轉換活動，或標記要刪除和重新安排的一組活動，可能是在不同的優先順序下，或者是某種隨機擾動。