问机器学习的应用

EN

您已经说明了一个回归问题，因为您正在尝试预测一个连续的数值。

对于每个数据实例，您可以提取特征并关联一个值(1-5)。特征可以是在用餐期间存在一个菜(例如has_cheesecake，has_orange_juice)，其中每个特征都是一个布尔值。假设有N个可能的菜肴；那么每顿饭都是一个数据实例(也称为特征向量)，具有N个特征和一个关联值。下面是一个使用N=12的示例，其中最后(第13)列是值。

0 0 0 1 1 0 0 0 1 0 0 0 5
1 0 0 1 0 1 0 0 0 0 0 0 3
0 0 0 0 0 0 1 1 0 0 0 1 4

然后，您可以将其输入到像Weka这样的机器学习程序中，它将为您创建一个回归模型。然后，当您想要预测用户对新餐点的排名时，您可以输入一个新的向量，其中最后一列是未知的，如下所示：

0 0 1 0 0 0 1 0 0 0 0 1 ?

软件会给你返回值，比如3.9。

你问的基本上是sentiment detection，它已经变得非常流行，用于预测用户对产品的态度。这里有一个seminal paper，这取决于你在学术上的倾向。

你可以把这看作是一个回归问题，但很多时候人们忽略了类之间存在顺序关系的事实。如果你对这顿饭中的食物除了它们的名字之外没有更多的信息，我不确定我不能指望你在这方面做得很好。如果可能的话，你应该寻找课程的特征表示，以提高你预测价值的能力。

我会研究运筹学，因为它通常是一个最小化或最大化的问题。