我已经花了一段时间来思考这个问题，但似乎找不到一个好的解决方案。我希望听听大家的想法（或者是否有现成的解决方案）。让我描述一下这个问题。
最终目标是在运行算法并排序结果后，在数据集中找到整体“最喜欢的颜色”。
假设我们允许用户投票选出自己最喜欢的颜色。例如，我们有蓝色、红色、绿色和黄色。我们让用户投票选择他们两种颜色中最喜欢的一种。（例如：红色胜过蓝色）
随着时间的推移，我们的数据可能会变成这样：（大括号内的数字表示该颜色获得的投票数）
- 红色（7）vs 蓝色（2） - 红色（6）vs 绿色（3） - 红色（3）vs 黄色（4） - 蓝色（3）vs 绿色（5） - 蓝色（4）vs 黄色（4） - 绿色（1）vs 黄色（5）
我认为我们需要为每个配对分配一个“置信度”分数，描述我们有多么确定结果是正确的。（也许是平局的0，如果我们100%确定，则为1）我想我们需要考虑每个配对的总投票数。例如，只有1票的配对和100%置信度分数需要进行“减弱”。
总之，如果有人有任何想法，我很乐意听取。谢谢阅读。
祝好！
最终目标是在运行算法并排序结果后，在数据集中找到整体“最喜欢的颜色”。
假设我们允许用户投票选出自己最喜欢的颜色。例如，我们有蓝色、红色、绿色和黄色。我们让用户投票选择他们两种颜色中最喜欢的一种。（例如：红色胜过蓝色）
随着时间的推移，我们的数据可能会变成这样：（大括号内的数字表示该颜色获得的投票数）
- 红色（7）vs 蓝色（2） - 红色（6）vs 绿色（3） - 红色（3）vs 黄色（4） - 蓝色（3）vs 绿色（5） - 蓝色（4）vs 黄色（4） - 绿色（1）vs 黄色（5）
我认为我们需要为每个配对分配一个“置信度”分数，描述我们有多么确定结果是正确的。（也许是平局的0，如果我们100%确定，则为1）我想我们需要考虑每个配对的总投票数。例如，只有1票的配对和100%置信度分数需要进行“减弱”。
总之，如果有人有任何想法，我很乐意听取。谢谢阅读。
祝好！