我正在解决一个问题，其中我有一些关于一些发电机组的数据集。这些单元中的每一个都已被激活以在过去运行，并且在激活时，一些单元出现了一些问题。我现在拥有所有这些数据，我想为这些发电机组提出某种排名。排名的标准很简单。他们是：
稍后我将通过添加更多标准来扩展此排名算法。我将使用 Apache Spark MLIB 库，并且我已经可以看到已经有很多算法。
http://spark.apache.org/docs/latest/mllib-guide.html
我只是不确定哪种算法适合我的目的。有什么建议么？
您可以使用聚类算法（例如 k-means）将生成器分组。在你尝试之前，你永远不知道你会得到什么样的团体。随着集群数量的增加，尝试评估每组生成器的特性。在某些时候，您应该找到有意义的生成器划分。您的 k-means 算法的输入将是您在帖子中提到的标准：它被激活的次数、激活问题的数量等等。完成后，生成器所属的组就是它的排名。如果您有 1000 个生成器，此方法将不会生成 1-1000 的排名。相反，它会给你，例如 k=3：一组 243 个优秀的生成器，320 个普通的生成器，和 446 个糟糕的生成器。
除了少数例外，您几乎可以为您的模型使用任何机器学习算法。大多数机器学习包的美妙之处在于，每个模型的界面大多相同（尽管调整参数会有所不同），并且只需几行代码即可尝试每个模型。您没有理由人为地限制自己尝试某些模型。
此规则的一些例外是可能仅适用于分类或仅适用于回归的算法。听起来您正在尝试预测一个连续的目标变量，然后将其用于排名。如果是这种情况，那么您将无法使用称为朴素贝叶斯的算法，因为它只能输出概率。在其他罕见的情况下，如深度学习模型，运行时间可能很长（数小时或数天），在这些情况下，除非您有充分的理由（例如，人脸识别），否则您不会希望使用这样的算法在图像中）。不过，您应该能够使用 MLlib 中的几乎所有算法：梯度提升、随机森林等。