scalg

評分算法（Scalg）

該算法基於百分比接近原理的作用。最初是為一個個人項目開發的，但是後來我發現這是一種牛頓在統計中用於求解最大似然方程的形式。

用法

 pip install scalg

截至2020年9月15日，它包含兩種方法（ score和score_columns ），將在下面的示例中進行描述和證明。

 import scalg

例子

這將是帶有相應索引和列權重的示例的示例數據集。

 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]]

得分方法

如果您傳遞源_data和權重，輸出：

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]]

如果您傳遞源_data，witchs and get_scores = true，則輸出：

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

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

輸出如果傳遞源_data，withs and get_score_lists = true：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]]

與其他元素相比，這給出了列表中每個元素的分數，從而保持其位置。

得分列方法

在這裡，您可以使用在scalg.score中使用的相同權重，也可以在相應的順序中指定每列的權重。在此示例中，使用權重參數[1, 0, 0, 1]或[0, 1]沒有區別。

如果您傳遞源_data，列和權重：輸出：

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]]

分數僅根據列0和1計算。