scalg

อัลกอริทึมการให้คะแนน (SCALG)

อัลกอริทึมนี้ใช้งานได้ตามหลักการความใกล้ชิดช่วงร้อยละ ในขั้นต้นมันได้รับการพัฒนาสำหรับโครงการส่วนบุคคล แต่ต่อมาฉันพบว่ามันเป็นรูปแบบของวิธีการของนิวตันที่ใช้ในสถิติเพื่อแก้สมการความน่าจะเป็นสูงสุด

การใช้งาน

 pip install scalg

ณ วันที่ 15 กันยายน 2563 มีสองวิธี ( score และ score_columns ) ซึ่งจะอธิบายและแสดงในตัวอย่างด้านล่าง

 import scalg

ตัวอย่าง

นี่จะเป็นชุดข้อมูลตัวอย่างที่ใช้เป็น source_data กับตัวอย่างด้วยดัชนีที่สอดคล้องกันและน้ำหนักคอลัมน์

 Columns ->  0     1      2      3
Weights ->  1     0      0      1
        1[[2016 ,21999 ,62000  ,181],
Sets -> 2 [2013 ,21540 ,89000  ,223],
        3 [2015 ,18900 ,100000 ,223],
        4 [2013 ,24200 ,115527 ,223],
        5 [2016 ,24990 ,47300  ,223]]

วิธีการทำคะแนน

เอาต์พุตถ้าคุณผ่าน source_data และน้ำหนัก:

scalg.score(source_data, [1, 0, 0, 1])

 [[2016, 21999, 62000,  181, 2.2756757812463335],
 [2013, 21540, 89000,  223, 1.9553074815952338],
 [2015, 18900, 100000, 223, 2.894245191297678],
 [2013, 24200, 115527, 223, 1.1297208538587848],
 [2016, 24990, 47300,  223, 3.0]]

เอาต์พุตถ้าคุณผ่าน source_data น้ำหนักและ get_scores = true:

scalg.score(source_data, [1, 0, 0, 1], get_scores=True)

 [2.2756757812463335, 1.9553074815952338, 2. 894245191297678, 1.1297208538587848, 3.0]

เอาต์พุตหากคุณผ่าน source_data น้ำหนักและ get_score_lists = true:

scalg.score(source_data, [1, 0, 0, 1], get_score_lists=True)

 [[1.0                 ,0.0, 0.6666666666666666 ,0.0                      ,1.0]
 [0.49113300492610834 ,0.5665024630541872      ,1.0, 0.12972085385878485 ,0.0]
 [0.7845427763202251  ,0.38880501854104677     ,0.22757852463101114      ,0.0]
 [0.0                 ,1.0                     ,1.0                      ,1.0]]

สิ่งนี้ให้คะแนนของแต่ละองค์ประกอบในรายการเมื่อเทียบกับองค์ประกอบอื่น ๆ ทำให้เป็นตำแหน่ง

วิธีคอลัมน์คะแนน

ที่นี่คุณอาจใช้น้ำหนักเดียวกับที่คุณจะใช้ใน scalg.score หรือคุณอาจระบุน้ำหนักของแต่ละคอลัมน์ในลำดับที่สอดคล้องกัน ในตัวอย่างนี้การใช้อาร์กิวเมนต์น้ำหนัก [1, 0, 0, 1] หรือ [0, 1] จะไม่สร้างความแตกต่าง

เอาต์พุตหากคุณผ่านใน source_data คอลัมน์และน้ำหนัก:

scalg.score_columns(source_data, [0, 1], [1, 0, 0, 1])

 Scored columns            Scores for corresponding columns
   0|    1|                  |
[[2016 ,21999 ,62000  ,181 ,1.4911330049261085],
 [2013 ,21540 ,89000  ,223 ,0.5665024630541872],
 [2015 ,18900 ,100000 ,223 ,1.6666666666666665],
 [2013 ,24200 ,115527 ,223 ,0.12972085385878485],
 [2016 ,24990 ,47300  ,223 ,1.0]]

คะแนนถูกคำนวณตามคอลัมน์ 0 และ 1 เท่านั้น