Кластеризация (группировка) элементов масива
, помощь с алгоритмом
![]() |
Наши проекты:
Журнал · Discuz!ML · Wiki · DRKB · Помощь проекту |
|
| ПРАВИЛА | FAQ | Помощь | Поиск | Участники | Календарь | Избранное | RSS |
| [216.73.216.88] |
|
|
правила раздела Алгоритмы

Кластеризация (группировка) элементов масива
, помощь с алгоритмом
|
|
|
|
|
Есть массив с пользовательскими оценками (количество пользователей известно) от 0 до 100, нужно эти оценки сгруппировать (т.е. массив из N элементов, где элемент может быть от 0 до 100). Пытался найти метод кластеризации но что-то совсем запутался в них и к тому же там нужно указывать количество кластеров которое будет, но оно зарание не известно. Может кто подскажет какой нибудь простой способ из исходного масива получить несколько новых).
P.S. Нужно это для системы поддержки принятия решений методом кластеризации. P.S.S. Пишу на PHP, но пойму и С подобный язык. |
|
Сообщ.
#2
,
|
|
|
|
Честно говоря не слишком-то понятно что же вам все-таки надо. Что такое N? Что все-таки надо на выходе и есть на входе?
|
|
Сообщ.
#3
,
|
|
|
|
На входе массив с каким-то количеством элементов, элементы имеют значения от 0 до 100.
На выходе несколько массивов в которых элементы имеют меньший диапозон значений, и которые не пересекаются. На пример: на входе [33, 87, 91, 42, 87, 85, 1] на выходе [33, 42] и [87, 91, 87, 85] и [1] |
|
Сообщ.
#4
,
|
|
|
|
В MATLAB/Octave, допустим, есть функция kmeans (алгоритм K-means), производящая кластеризацию по k-кластерам.
![]() ![]() k=3; % разбить на 3 кластера X=[33, 87, 91, 42, 87, 85, 1]; idx=kmeans(X', k); % содержит индексы кластеров plot (idx, '-o'); % график кластеров График: Добавлено Уточнение: K-means требует изначального знания о требуемом количестве кластеров. Добавлено Цитата Knesin @ Есть массив с пользовательскими оценками (количество пользователей известно) от 0 до 100, нужно эти оценки сгруппировать (т.е. массив из N элементов, где элемент может быть от 0 до 100). Судя по всему, кластеризация здесь не поможет, т.к. кол-во групп (кластеров) неизвестно. Нужно проводить статистику распределения оценок пользователей. Твоя задача, я полагаю, узнать каково распределение групп среди оценок. Прикреплённая картинка
|
|
Сообщ.
#5
,
|
|
|
|
Romtek
Помойму определение числа кластеров подподает под кластеризацию. Knesin Можно использовать кластеризацию слиянием. Сосединения соседних групп. А еще вроде алгоритм водораздела может подойти. |
|
Сообщ.
#6
,
|
|
|
|
Сортировка массива не изменит результата (впрочем, порядок потом можно восстановить), но упростит алгоритмизацию.
По сути у тебя имеется массив значений с мультимодальным распределением, и требуется найти группы вокруг локальных максимумов. Можно идти вот по какому пути. Нанесём точки на прямую. Вокруг каждой точки сделаем "размыв". Размывы перекроются. начнём уменьшать радиус размыва. В определённый момент непрерывная заливка разорвётся на 2 части, 3, 4, ... искомые группы - это те совокупности точек, размывы которых пееркрываются, образуя непрерывно закрашенный кусок отрезка. Главное - вовремя остановиться. |