我有一个由俱乐部组成的数据库，人们为他们提供了评级。
目前，我正在根据一家俱乐部的评级进行平均，然后按降序对这些平均值进行排序，以获得评级最高的俱乐部列表。
我遇到的问题是，应该根据你的评分来进行加权一家俱乐部可能会获得5（5.0）的评级，最终排名榜首，而一家俱乐部的评级为16K，平均评级为5.0
我正在寻找的是一种算法，它将评级数量考虑在内，以确保我们使用一种加权算法来查询数据，该算法考虑评级数量。
目前我的算法是：
(sum of club ratings)/(total number of ratings) to give me the average
这不包含权重算法
让我们假设你的评级可以从0k到100k（正如你所说的，一些俱乐部有16k评级）。现在，您希望将其标准化为0k到5k的范围。
假设0k到100k是实际范围。（A_lower to A_higher）
并且，0k到5k是归一化范围。（N_lower到N_higher）
您希望将16k（即A_rating（实际评级））更改为标准化值N_rating（介于0 to 5k之间）。
您可以使用的公式是
N-rating = A_rating * ( (N_higher - N_lower) / (A_higher - A_ lower) )
让我们举一个例子
如果实际评级为25k。实际评级范围为0 to 100k。你希望它在0 to 5k之间归一化。然后
N-rating = 25 * ( (5 - 0) / (100 - 0) )
=> N_rating = 1.25
编辑
更多解释
如果存在分布在较大范围内的值，并且我们希望在较小范围内表示它们，则我们进行归一化。
Q）什么是归一化值
如果实际范围（0到100）稍小（0到5），则该值将表示实际值（25k）的确切位置。
Q）为什么我要将标准化范围除以实际范围，然后乘以实际评级
为了理解这一点，让我们使用一点酉方法逻辑。
当范围为0 to 100时，您有一个值25，并且想要知道如果范围是0 to 5，该值将规范化为什么。所以，
//We will take already known values, the highest ones in both the ranges
100 is similar to 5 //the higher value of both the ranges
//In unitary method this would go like
If 100 is 5
//then
1 is (5 / 100)
//and
x is x * (5 / 100) //we put 25 in place of x here
Q）为什么选择0到5k作为归一化范围
我之所以选择，是因为你提到你的评分应该低于5k。你可以选择你想要的任何范围。
简单地添加一个很小的值加权的评级数怎么样？这只是一个非常基本的想法：
（俱乐部评级总和）/（评级总数）+0.0000000 1*（俱乐部评级数）
通过这种方式，平均水平相同的俱乐部可以根据评级数量进行排名。