我有一组元素，我可以根据特征对其进行描述。因此：$X$$n$

其中是根据特征的（数值）评估。所以我的元素可以看作是维空间中的点。$c_{ij}$$i$$j$$n$

根据我的阅读，存在诸如“贝叶斯分类器”之类的算法，只要我确实使用了由一些我的集合的元素，以及算法的预期结果。基于这些数据，算法应该能够采用任何其他元素，而不是训练集的一部分，并根据它通过训练集学到的内容提供“是”或“否”的答案。如果您对您的期望（训练集）有某种了解，但您不确定产生该结果的特定规则，这很好。

我想对我的数据做的不是得到“是”或“否”类型的答案，而是我想在元素中引入一个排名。他们中的一些人比其他人“更好”。就像贝叶斯过滤器一样，我对我的期望有一个大致的了解。因此，我可以从我的部分元素中生成一个“训练排名”，并将其输入 MLA。基于该培训，它将能够对我的整个集合进行排名。

为了做到这一点，我看到了两种方法：

1. MLA 会给每个元素打一个分数，然后根据分数对元素进行排名。
2. MLA 将能够采用两个元素和并确定哪个更好（成对比较）。使用该比较操作使用快速排序。$x_i$$x_j$

注意：基于分数，成对函数实现起来很简单，基于成对函数，生成分数也很简单，所以这只是产生相同结果的两种方法。

是否有可以提供评分功能或成对比较功能的 MLA 示例？

编辑：为了添加更多上下文：目前我的项目是根据一种算法进行排名的，该算法通过对进行计算来生成每个项目的分数（实数） 。虽然生成的排名非常正确，但我经常不得不修改算法以某种方式对其进行调整，因为我可以清楚地看到一些项目没有按照我的预期进行排名。$c_{ij}$

所以目前我的设计过程是：

1. 了解什么是完美排名
2. 尝试（手动）推导出一种算法，对这样的项目进行排名
3. 观察结果
4. 调整算法

所以我考虑了 MLA，因为我的流程的起点是可以用作训练数据的内容。我可能会从获取当前排名开始，根据我的需要交换项目并喂它。