如何預測數據質量？

Question

我非常抱歉，如果我提前寫錯了這句話，但是我有一個很大的數據集，我試圖分析它，但是大部分數據都不正確，需要一些幫助來確定如何選擇正確的數據。

這裏有一些更多的信息來清除它。例如，我有以下幾點：

color value quantity 
red  20 2 
blue 5 8 
green 10 2 

total  100 

如果只值和總被賦予的，我會發現有36個可能的答案：

#1 Found : 20.0*0.0 red + 5.0*0.0 blue + 10.0*10.0 green = 100.0 
#2 Found : 20.0*0.0 red + 5.0*2.0 blue + 10.0*9.0 green = 100.0 
#3 Found : 20.0*0.0 red + 5.0*4.0 blue + 10.0*8.0 green = 100.0 
#4 Found : 20.0*0.0 red + 5.0*6.0 blue + 10.0*7.0 green = 100.0 
#5 Found : 20.0*0.0 red + 5.0*8.0 blue + 10.0*6.0 green = 100.0 
#6 Found : 20.0*0.0 red + 5.0*10.0 blue + 10.0*5.0 green = 100.0 
#7 Found : 20.0*0.0 red + 5.0*12.0 blue + 10.0*4.0 green = 100.0 
#8 Found : 20.0*0.0 red + 5.0*14.0 blue + 10.0*3.0 green = 100.0 
#9 Found : 20.0*0.0 red + 5.0*16.0 blue + 10.0*2.0 green = 100.0 
#10 Found : 20.0*0.0 red + 5.0*18.0 blue + 10.0*1.0 green = 100.0 
#11 Found : 20.0*0.0 red + 5.0*20.0 blue + 10.0*0.0 green = 100.0 
#12 Found : 20.0*1.0 red + 5.0*0.0 blue + 10.0*8.0 green = 100.0 
#13 Found : 20.0*1.0 red + 5.0*2.0 blue + 10.0*7.0 green = 100.0 
#14 Found : 20.0*1.0 red + 5.0*4.0 blue + 10.0*6.0 green = 100.0 
#15 Found : 20.0*1.0 red + 5.0*6.0 blue + 10.0*5.0 green = 100.0 
#16 Found : 20.0*1.0 red + 5.0*8.0 blue + 10.0*4.0 green = 100.0 
#17 Found : 20.0*1.0 red + 5.0*10.0 blue + 10.0*3.0 green = 100.0 
#18 Found : 20.0*1.0 red + 5.0*12.0 blue + 10.0*2.0 green = 100.0 
#19 Found : 20.0*1.0 red + 5.0*14.0 blue + 10.0*1.0 green = 100.0 
#20 Found : 20.0*1.0 red + 5.0*16.0 blue + 10.0*0.0 green = 100.0 
#21 Found : 20.0*2.0 red + 5.0*0.0 blue + 10.0*6.0 green = 100.0 
#22 Found : 20.0*2.0 red + 5.0*2.0 blue + 10.0*5.0 green = 100.0 
#23 Found : 20.0*2.0 red + 5.0*4.0 blue + 10.0*4.0 green = 100.0 
#24 Found : 20.0*2.0 red + 5.0*6.0 blue + 10.0*3.0 green = 100.0 
#25 Found : 20.0*2.0 red + 5.0*8.0 blue + 10.0*2.0 green = 100.0 
#26 Found : 20.0*2.0 red + 5.0*10.0 blue + 10.0*1.0 green = 100.0 
#27 Found : 20.0*2.0 red + 5.0*12.0 blue + 10.0*0.0 green = 100.0 
#28 Found : 20.0*3.0 red + 5.0*0.0 blue + 10.0*4.0 green = 100.0 
#29 Found : 20.0*3.0 red + 5.0*2.0 blue + 10.0*3.0 green = 100.0 
#30 Found : 20.0*3.0 red + 5.0*4.0 blue + 10.0*2.0 green = 100.0 
#31 Found : 20.0*3.0 red + 5.0*6.0 blue + 10.0*1.0 green = 100.0 
#32 Found : 20.0*3.0 red + 5.0*8.0 blue + 10.0*0.0 green = 100.0 
#33 Found : 20.0*4.0 red + 5.0*0.0 blue + 10.0*2.0 green = 100.0 
#34 Found : 20.0*4.0 red + 5.0*2.0 blue + 10.0*1.0 green = 100.0 
#35 Found : 20.0*4.0 red + 5.0*4.0 blue + 10.0*0.0 green = 100.0 
#36 Found : 20.0*5.0 red + 5.0*0.0 blue + 10.0*0.0 green = 100.0 

正如你可以看到，在準備我得到正確的答案，但也有很多其他的答案。現在我說再加一個紅色（所以紅色的總數是3），那麼我現在有49個結果，但是如果考慮到與第一個結果集的關係，第二組結果中的一些結果不太可能。我假設當我得到更多的數據結果時，我可以更準確地刪除不起作用的結果。

我想知道是否有任何研究或標準方法將結果縮小到更有意義的結果。我不是100％確定的，但我認爲也許谷歌可能是一個例子，因爲每個查詢不僅是針對數據運行的，而且是您的歷史記錄（我有一個排名非常低的網站，當我點擊它然後搜索因爲它再次總是出現在頂端..但是當我在我的朋友計算機上搜索時，同一站點顯示在底部）。我想可能是谷歌與我們的多個搜索查詢建立關係的方式，我可以使用類似的方法從上面的數據中刪除結果，這些結果是不正確的。

對不起，誤會。我對算法有點新，而我無法解釋這一點。如果沒有意義，請告訴我。

在此先感謝！

Answer 1

如果我得到這個權利你解決像這樣的方程爲

R*r + G*g + B*b = 100 

對於R，G，B的給定整數值和條件是R的約束，G，B也整數值。

因爲你只有一個方程和3變量，你會得到一個解空間，而不是一個單一的解決方案，現在要應用一些算法來選擇正確的或最好的一個

也似乎有R0的值，g0，b0這些可能是r，g和b的值！

你需要提出的是一個健身功能，它告訴你你的候選解決方案有多好或多壞。

一個例子可能是（值越低意味着更好的解決方案）

(r-r0)^2 +(g-g0)^2 +(b-b0)^2 

這基本上說，一個解決方案是更好的時候，更接近可能值。

變體能是

(r-r0)^2 +(g-g0)^2 +(b-b0)^2 + c*C 

其中C是一個常數，由你和C作爲選件是該值的數量從可能的解決方案有所不同。這會給候選人帶來更高的適應性，只改變一個值而不是改變兩個或三個值。

一旦你有一個健身功能，選擇適合度最低的解決方案。

Answer 2

該問題被稱爲線性丟番圖方程。 你可以找到更多的信息here。