Ваш вызов метода должен выглядеть следующим образом:
string SomeString = createOrderSummary(10, true);
Ошибка, которую вы получаете в основном, говорит о том, что при совершенном вызове отсутствует параметр (вероятно, в вашем методе Main):
[ 111]И, кстати. Вы не можете просто добавить строку и логическое значение. Вы должны сначала преобразовать логическое значение.
boolean addWhippedCream = true;
String str = String.valueOf(addWhippedCream);
System.out.println("The String is: "+ str);
или
System.out.println("The String is :" + String.valueOf(addWhippedCream));
Представьте всю еду, для которой Вы собираете данные как "размер" (или столбец в таблице).
Record "нравится" за каждого человека, на котором можно собрать данные и поместить результаты в таблицу:
Burger | Pizza | Fries | Burritos | Likes my food person1 1 | 0 | 1 | 1 | 1 person2 0 | 0 | 1 | 0 | 0 person3 1 | 1 | 0 | 1 | 1 person4 0 | 1 | 1 | 1 | 0
Теперь, учитывая нового человека, с информацией о некоторых продуктах ему нравится, можно измерить подобие другим людям, использующим простую меру, таким как Коэффициент корреляции пирсона или Подобие Косинуса, и т.д.
Теперь у Вас есть способ найти ближайших соседей K и принять некоторое решение..
Для более усовершенствованной информации об этом ищите "совместную фильтрацию" (но я буду предупреждать Вас, это получает математику-y).
Ну, 'ближайший' подразумевает, что у Вас есть некоторая метрика, на которой вещи могут быть более или менее 'удалены'. Квантификация 'бургера', 'пиццы' и 'фри' не является так проблемой KNN, как это о фундаментальном системном моделировании. Если у Вас есть система, где Вы делаете анализ, где 'бургер', 'пицца' и 'фри' являются условиями, причина системы для существования собирается определить, как они определяются количественно - как то, при попытке выяснить, как получить лучший вкус и наименьшее количество калорий для данной суммы денег, то ta-da, Вы знаете, каковы Ваши метрики. (Конечно, 'лучше всего являйтесь на вкус', субъективно, но это - другой набор проблем.)
Это не до этих условий, чтобы иметь свойственный quantifiability и таким образом сказать Вам, как разработать Вашу систему анализа; Вам решать, что Вы пытаетесь выполнить и разработать метрики оттуда.
Я на самом деле представил бы пар этих атрибутов пользователям и попросил бы, чтобы они определили свою близость. Вы подарили бы им масштаб, достигающий от [синоним.. очень внешний] или подобный. Наличие многих людей делает это, Вы закончите с широко принятой функцией близости для нелинейных значений атрибута.
Это - одна из проблем представления знаний в AI. Субъективно играет большую роль. Вы и я согласились бы, например, на "близости" бургера, пиццы и фри?
Вам, вероятно, был бы нужен взгляд матрица, содержащая объекты, которые будут сравнены. Вы можете уменьшать эту матрицу, если бы можно принять транзитивность, но я думаю, что даже это было бы сомнительно в примере.
Ключ может быть должен попытаться определить функцию, на которой Вы пытаетесь выдержать сравнение. Например, при сравнении продуктов на здоровье Вы можете достигать что-то более объективное.
Нет никакого "лучшего" способа сделать это. В конечном счете необходимо придумать произвольную шкалу.
При рассмотрении "Коллективного разума" Вы будете видеть, что они присваивают масштаб и значение. Это - то, как Netflix сравнивает рейтинги фильма и такой.
Необходимо будет определить "близость", придумывая тот масштаб и присваивая значения для каждого.
Хорошие ответы. Вы могли просто составить метрику, или, как malach предполагает, спросите некоторых людей. Чтобы действительно сделать его правильно, он кажется на необходимость в байесовском анализе.