什么软件算法将 select 来自大集合的项目的不同子集
What software algorithm will select a diverse subset of items from a large set
设置
假设我有很多物品。每件物品都有形状、大小和颜色。他们可能是
- 三角形、圆形或正方形
- 红色、绿色或蓝色
- 小或大
我无法对这些属性在项目中的分布做出任何假设。我合理地确定它不是一百万个大的红色三角形，但这总是有可能的。
问题
我想选择 36 个我的形状，在所有属性 classes 中尽可能“多样化”地表示。澄清一下，从非常大的集合中抽取 36 个项目，我理想情况下喜欢 12 个红色、12 个绿色、12 个蓝色、12 个三角形、18 个小等
现在有 18 种可能的不同项目类型（3 种颜色 * 3 种形状 * 2 种尺寸），所以一种方法是包括每种不同类型的两种（假设我有）。
如果我没有足够的每种不同类型，另一种（不切实际的，蛮力的）方法是迭代 36 个项目的每个可能子集并保留最佳子集。
我确信这是一个更广泛的 class 问题的特定实例，可以通过众所周知的算法解决，但我无法确定 Google 的魔法词。我标记为 knapsack-problem 因为感觉可能是这样，但我想知道是否有更好的方法来解决这个问题？
您能否提供解决方案或至少提供适当的搜索字词？
看看reservoir sampling。为每个 shape/color/size 组合制作一个水库（因此 36 个水库），每个水库的容量为 36。遍历所有元素，并为每个元素 select 其适当的水库并执行水库采样步骤。
这将您的问题减少到最多 36*36 = 1296 个元素，从所有元素中公平地采样，甚至涵盖只有一个组合的最坏情况。
然后你可以简单地洗牌水库，从每个水库中随机选择一个元素（跳过空水库），将它们从水库中移除。如果每个 shape/color/size 都有一个，那么您马上就完成了。如果没有，你再次洗牌水库并做另一遍，并继续这样做，直到你有 selected 36 个元素。这为您提供了一个统一的数据集样本，由 shape/color/size 偏差归一化。
设置
假设我有很多物品。每件物品都有形状、大小和颜色。他们可能是
- 三角形、圆形或正方形
- 红色、绿色或蓝色
- 小或大
我无法对这些属性在项目中的分布做出任何假设。我合理地确定它不是一百万个大的红色三角形，但这总是有可能的。
问题
我想选择 36 个我的形状，在所有属性 classes 中尽可能“多样化”地表示。澄清一下，从非常大的集合中抽取 36 个项目，我理想情况下喜欢 12 个红色、12 个绿色、12 个蓝色、12 个三角形、18 个小等
现在有 18 种可能的不同项目类型（3 种颜色 * 3 种形状 * 2 种尺寸），所以一种方法是包括每种不同类型的两种（假设我有）。
如果我没有足够的每种不同类型，另一种（不切实际的，蛮力的）方法是迭代 36 个项目的每个可能子集并保留最佳子集。
我确信这是一个更广泛的 class 问题的特定实例，可以通过众所周知的算法解决，但我无法确定 Google 的魔法词。我标记为 knapsack-problem 因为感觉可能是这样，但我想知道是否有更好的方法来解决这个问题？
您能否提供解决方案或至少提供适当的搜索字词？
看看reservoir sampling。为每个 shape/color/size 组合制作一个水库（因此 36 个水库），每个水库的容量为 36。遍历所有元素，并为每个元素 select 其适当的水库并执行水库采样步骤。
这将您的问题减少到最多 36*36 = 1296 个元素，从所有元素中公平地采样，甚至涵盖只有一个组合的最坏情况。
然后你可以简单地洗牌水库，从每个水库中随机选择一个元素（跳过空水库），将它们从水库中移除。如果每个 shape/color/size 都有一个，那么您马上就完成了。如果没有，你再次洗牌水库并做另一遍，并继续这样做，直到你有 selected 36 个元素。这为您提供了一个统一的数据集样本，由 shape/color/size 偏差归一化。