jaandrle / jaandrle.github.io

Personal page/blog
https://jaandrle.github.io/
MIT License
1 stars 2 forks source link

Řazení hodnocení (Wilson Score Interval apod.) #111

Closed jaandrle closed 1 year ago

jaandrle commented 3 years ago
Wilson Score Interval - [ ] [How Not To Sort By Average Rating – Evan Miller](https://www.evanmiller.org/how-not-to-sort-by-average-rating.html) - [ ] [Wilson score in Python - example | Bartosz Mikulski](https://www.mikulskibartosz.name/wilson-score-in-python-example/) - [ ] [math-utils/wilson-score: Because averages suck](https://github.com/math-utils/wilson-score) - [ ] [msn0/wilson-score-interval: Wilson score interval implemented in javascript](https://github.com/msn0/wilson-score-interval) - [ ] [Jakub Vrána on Twitter: "Existuje nějaký standardizovaný způsob, jak porovnat relativní čísla s velkým absolutním rozptylem? Řekněme, že se člověku A něco povedlo 1× z 1 pokusu a člověku B 19/20. Nechci úplně řadit A před B, i když má úspěšnost 100% proti 95%. Jak zkombinovat relativní a absolutní číslo?" / Twitter](https://mobile.twitter.com/jakubvrana/status/1343584842202705921)
K projití - [ ] [Home Page of Evan Miller](https://www.evanmiller.org/index.html) - [ ] [sorting - What is a better way to sort by a 5 star rating? - Stack Overflow](https://stackoverflow.com/questions/1411199/what-is-a-better-way-to-sort-by-a-5-star-rating) - [ ] [Using the Bayesian Average in Ranking | Tutorials | Algolia Documentation](https://www.algolia.com/doc/guides/solutions/ecommerce/search-relevance/tutorials/bayesian-average/)
jaandrle commented 1 year ago

Laplaceovo pravidlo nás učí, jakým způsobem lze určit pravděpodobnost výskytu určité události na základě pozorování minulých událostí. V případě uživatelských hodnocení v eshopech se Laplaceovo pravidlo může aplikovat na způsob, jakým lze předpovědět pravděpodobnost, že určitý produkt bude mít dobré hodnocení.

Konkrétně se Laplaceovo pravidlo používá pro výpočet pravděpodobnosti úspěchu při sledování neznámých událostí. V případě uživatelských hodnocení se to může vztahovat na určení pravděpodobnosti, že určitý produkt bude mít dobré hodnocení, pokud bylo dosud zaznamenáno jen několik hodnocení.

Laplaceovo pravidlo nám umožňuje určit pravděpodobnost úspěchu, i když nemáme dostatek dat, a to pomocí následujícího vzorce: (k + 1) / (n + 2), kde k je počet pozitivních hodnocení a n je celkový počet hodnocení produktu.

Tento vzorec nám poskytuje pravděpodobnost úspěchu v situacích, kdy máme jen málo dat. Například, pokud máme pouze jedno pozitivní hodnocení a žádné negativní, podle Laplaceova pravidla by pravděpodobnost úspěchu byla (1 + 1) / (1 + 2) = 2/3.

Aplikování Laplaceova pravidla může pomoci eshopům při predikci úspěšnosti produktu, i když má málo hodnocení. Nicméně je důležité si uvědomit, že tento model neposkytuje 100% spolehlivost, zejména v případech, kdy jsou hodnocení subjektivní.

Zdroje: