Det gør jeg heller ikke,selvom jeg læser
wiki fatter jeg det heller ikk
Det er blot en anden måde at udregne en vægtningsmekanisme på. Et Bayes estimat udregner en vægtning udfra en grundlinje.
I tilfælde med Freelancer vil grundlinjen være gennemsnittet af alle freelancer der er blevet bedømt. Dette gennemsnit er måske 3.3 (ud af 5). Det er ud fra dette tal, at vi skal bedømme de enkelte freelancere.
Pointen er at hvis en freelancer kun har fået få bedømmelser - og det er uanset og de er gode eller dårlige - skal han presses mere mod vores grundlinje (altså 3.3). Derimod hvis han har fået rigtig mange bedømmelser kan vi lægge en del mere vægt på dem. Så en freelancer med én rating på fem, vil blive presses langt ned mod grundlinjen (nu sidder jeg ikke med en lommeregner, men lad os sige han med et Bayes estimat får 3.5), hvorimod en freelancer der har 10 ratings på 5 vil få 4,1.
Anyway, her tager jeg kun højde for ratings. Men et Bayes estimat er en elegant måde at løse Martins problemstilling om "Så ham der har lavet 132 jobs og har et snit på 4.99, skal ligge efter ham der har lavet 1 job og har fået 5 stjerner?" på.
Plusmedlemsskabet kunne så tages i betragtning ved at lave to lister en for plusser og en for ikke plusser, hvor pluslisten altid er øverst.