Алгоритмы поиска в N-мерном пространстве

Question

У меня есть входное N размерное пространство. У меня также есть функция f, которая задает некоторую точку в пространстве и возвращает вероятность того, что эта точка является «хорошей» точкой [некоторая мера между [0, 1]]. Я знаю, что «хорошие» точки часто находятся близко друг к другу в пространстве. Но могут быть скопления этих хороших точек, разбросанных по всему пространству поиска. Так что могут быть регионы, которые превосходны в получении этих хороших очков.

Какие хорошие примерные алгоритмы / статистические данные / методы я мог бы применить, чтобы получить как можно больше таких точек, а также как можно более широкий (охватывающий как можно больше кластеров).

Спасибо

Answer 1

Взгляните на темы кластерный анализ и статистическая классификация .

Дело в том, что существует много разных алгоритмов, и это действительно сильно зависит от вашего приложения и структуры ваших входных данных, если определенный метод подходит.

Возможно, вы захотите использовать инструмент интеллектуального анализа данных для оценки различных алгоритмов на ваших конкретных данных. В прошлом я использовал RapidMiner , чтобы сделать это, и многое узнал о том, что хорошо работает для моего приложения, а что нет.