对相似参数进行分组的逻辑答案

【问题标题】：Logic for grouping similar parameters对相似参数进行分组的逻辑
【发布时间】：2014-07-13 12:29:44
【问题描述】：

我试图找出在一定容差范围内对参数进行分组的最佳逻辑。举个例子更容易解释...

Task1: parameter1=140
Task2: parameter1=137
Task3: parameter1=142
Task4: parameter1=139
Task5: parameter1=143

如果我想对彼此相距不超过 2 的任务进行分组，我想我需要做几遍。例如，期望的结果是这样的： Task4 涵盖 Task1、Task2 和 Task4 Task3涵盖Task3和Task5

有多种可能性，因为 Task1 也可以涵盖 3 和 4，但 2 和 5 将是两个单独的附加任务。基本上，我希望彼此相距 2 以内的任务数量最少。

我目前正在尝试在 excel VBA 中执行此操作，但稍后我可能会将代码移植到 php。我真的不知道从哪里开始，因为它看起来很复杂。

【问题讨论】：

标签： javascript php python c vba

【解决方案1】：

我假设你需要一个聚类算法。考虑以下参数-

Task1: parameter1=140
Task2: parameter1=142
Task3: parameter1=144
Task4: parameter1=146
Task5: parameter1=148

根据您的逻辑，集群在这里会变得很奇怪。如果您只是检查每个数字附近的数字，所有这些都将聚集在一起。但是 140 和 148 是否应该在同一个集群中？尝试 kmeans 聚类。会有一些灰色区域，但结果会比较准确。

http://en.wikipedia.org/wiki/K-means_clustering

【讨论】：

【解决方案2】：

如果您在查看任务之前确定了组边界，则可以一次性将任务分组。下面是一个使用宽度为 4 的桶的简单示例，基于您将任务分组在彼此 +/-2 范围内的目标：

Dim bucket As Integer

For Each parameter In parameters
    bucket = Round(parameter / 4, 0)

    ' ... do something now that you know what bucket the task is in
Next parameter

如果固定存储桶提供的组与数据的拟合度不足以满足您的需求，您将需要使用进行多次传递的算法。由于您示例中的数据是一维的，因此您可以（而且应该！）use simpler techniques than k-means clustering。

下一个值得关注的地方可能是 Literate Jenks Natural Breaks and How The Idea Of Code is Lost，其中有一个很好的评论 Jenks Natural Breaks Optimization in JavaScript。

【讨论】：

我认为这并不重要，因为我只会使用建议的方法两次，但它实际上是二维的。我试图让它成为一个简单的问题。有一个 parameter2 会有类似的约束。这些任务将按参数 1 的值彼此相距 2 进行分组，也按参数 2 的值彼此相距在 2 以内进行分组。也许 k-means 将是要走的路。
在这种情况下，维度很重要；您可以对一维数据进行排序，而二维或更多维度则无法做到这一点。尝试 k-means，并考虑使用现有的实现，如 SciPy 的kmeans，而不是自己编写。如果它给出了您期望的结果，这将使您更快地看到。