Algorithm 查找集合中最明显的元素
假设我们有一家香水店,有100种不同的香水 假设10000名顾客以每款香水一至五星级的价格购买 假设问题是:“如何最好地构建一包5种香水,使95%的客户对其中至少一种香水给予4星级以上的评价” 如何在算法上做到这一点 注意:我可以看出,即使是问题的形式也不正确;甚至不能保证这样的建筑存在。这两个参数之间存在权衡 注:另外,(这使得香水的类比变得有点人为),我们得到一个好匹配还是三个好匹配并不重要。所以{4.3,0,0,0,0}等于{4.3,4.2,4.2,4.2,4.2}——在这两种情况下,分数都是4.3 假设为了论证0-19香水是甜的,20-39香水是酸的,等等(模拟盐、苦、联伊援助团) 所以在0-19之间会有非常高的互相关 如果你在空间中用100个点来建模,那么0-19个点会相互吸引,形成一个簇 同样地,对于其他四种口味,你也会得到另外四种口味 因此,我们仅从一个指标中分离出5种不同的口味 但这项技术是否扩展了 πAlgorithm 查找集合中最明显的元素,algorithm,language-agnostic,Algorithm,Language Agnostic,假设我们有一家香水店,有100种不同的香水 假设10000名顾客以每款香水一至五星级的价格购买 假设问题是:“如何最好地构建一包5种香水,使95%的客户对其中至少一种香水给予4星级以上的评价” 如何在算法上做到这一点 注意:我可以看出,即使是问题的形式也不正确;甚至不能保证这样的建筑存在。这两个参数之间存在权衡 注:另外,(这使得香水的类比变得有点人为),我们得到一个好匹配还是三个好匹配并不重要。所以{4.3,0,0,0,0}等于{4.3,4.2,4.2,4.2,4.2}——在这两种情况下,分数
PS仅仅给出相关技术的名称将非常有用,因为这将允许我在谷歌上搜索更多信息。因此,任何用行业公认的术语重述这个问题的答案都是有用的 此算法应能找到问题的解决方案:
必要时回溯以获得满足条件的选择 真正的问题是NP难问题,但您可以使用贪婪算法:
或者,你可以改变算法,而不是你问题中的算法,决定使用背包:你想获得最高的累积评分。这也提高了顾客对整体包装满意的可能性(事实上,他几乎肯定非常喜欢一款香水,但他可能非常不喜欢其他四款)。选择一款4-5星级香水,选择4款1-3星级香水,重复。还是我遗漏了什么?看起来像。当k=5时,顾客是“元素”,对某些香水给予4+星级评级的顾客构成“集合”。你要求的是一个算法,但你没有尝试自己创建一个算法。这不比“请发送代码”好多少。