Согласно описанию стоит задача классификации.
На входе дан вектор
- тип кузова
- цвет кузова
- дорожный просвет
На выходе
- рекомендовать/не рекомендовать (да/нет, т.е. 1.0/0.0)
Это можно описать многомерной функцией F(x1, x2, .., xN) = в идеале хотелось бы 0.0 или 1.0, а на практике - где-то между ними (типа, низкая/средняя/высокая вероятность рекомендации).
Входные параметры могут быть качественными (характеристика объекта: пол человека, должность), количественными (дискретными -1, 0, 1, 2 и непрерывными -30.2°C .. 44.6°C). Подробнее в
www.pm298.ru/shkala3.php (Классификация данных и измерительные шкалы)
Рассмотрим каждый параметр.
Цвет - довольно ёмкое понятие, а не просто HTML код #FE33CC (magenta в RGB). Упрощая, математически цвет можно представить как сочетание тона (все цветовые оттенки в палитре), насыщенности (пёстрый/тусклый) и интенсивности света (светлый/тёмный) - цветовое пространство
HSL. Для осмысленных результатов по формуле преобразования нужно получить три этих составляющих и работать с ними отдельно.
Оттенок измеряется в радианах, от 0 до 2 пи, или в нормированном промежутке от 0.0 до 1.0.
Насыщенность и интенсивность цвета - от слабого до сильного - масштабируются также в промежутке 0.0 до 1.0.
Мне кажется, что с цветом человеку сложнее всего определиться, так как он влияет на него психо-физиологически.
Тип кузова - номинальный тип (нет значения очерёдности).
Номинальные типы - это вектор, состоящий из значений классов да/нет. Когда выбран определённый класс, то он имеет значение максимума, т.е. 1.0 (да), а остальные устанавливаются в 0.0 (нет).
Таким образом, если обозначить типы кузова как A (купе),B (седан) и C (кабриолет), то в форме вектора они будут представлены как [A, B, C].
Например, выбрав тип "седан", вектор имеет значения [0.0, 1.0, 0.0].
Дорожный просвет - непрерывный тип в исходных данных. Его нужно преобразовать в категории (мал., сред., выс.) - аналогично представлению типа кузова.
Гораздо более весомым параметром в выборе машин является, по-моему,
ценовая категория (лучше не более 3-4-х категорий).
Скорее всего, пол человека (номинальный тип) также может влиять на выбор авто м/ж, 0/1.
Полагаю, что не только нейронные сети справятся с этим заданием.
