1
个人偏好
2
场合设置
3
选择穿搭
4
评分结果
了解你的风格偏好
设定三个风格维度的个人倾向，构成你的「理想风格基准向量」
量感 Q — 成熟度
0=轻盈年轻
1=厚重成熟
1=厚重成熟
曲直 C — 感性/理性
0=感性柔美（曲线）
1=理性干练（直线）
1=理性干练（直线）
动静 D — 张扬程度
0=低调内敛
1=个性张扬
1=个性张扬
个人风格倾向
量感偏好
轻盈 ↔ 厚重成熟0.50
风格曲直
感性曲 ↔ 理性直0.50
动静程度
低调 ↔ 张扬0.40
⚙ 高级：维度权重
量感权重
35%
曲直权重
40%
动静权重
25%
我的穿搭经验
记录不同场合下的穿搭体验与真实满意度，系统将从中学习你的个人风格偏好
0
总经验条数
—
平均满意度
未优化
参数状态
0
可参与优化
筛选：
还没有任何经验记录
完成一次评分后点击「记录穿搭体验」，或点击右上角「添加经验」手动记录
完成一次评分后点击「记录穿搭体验」，或点击右上角「添加经验」手动记录
参数优化
系统分析你的穿搭经验，自动调整场合理想向量与维度权重，使模型预测更贴近你的真实感受
○ 当前使用默认参数
各场合经验数据
优化理想向量需要：每个场合至少 2 条含衣橱选择的记录；优化权重需要：合计至少 5 条记录
优化预览
运行后查看参数变化，确认后再决定是否应用
预测准确度对比（R²）
优化洞察
理想向量变化（场合）
维度权重变化
算法说明
理想向量校准：对每个场合，以你的满意度为权重，计算经历过的穿搭向量的加权重心。记录越多，校准后的理想向量越可信（信任度上限 75%）。
维度权重优化：计算每个维度的偏差量与评分误差之间的 Pearson 相关系数。相关性越高的维度，在距离计算中被赋予更大权重。
效果指标：用 R²（决定系数）衡量模型预测与真实满意度的吻合程度，R² 越接近 1 表示模型越准确。