ツイート
2019.02.07
【日本語訳！】プログラマの採用面接で聞かれる、データ構造とアルゴリズムに関する50以上の質問
とか。仕事と関係無い人から見れば思考実験で暇が潰せそうな面白い質問多数。どのように、2つの文字列が相互にアナグラムであるかどうかを確認しますか？
今、悩んでいるアルゴリズムあるんだけど。
例えば空間内に100万ポイントとかの膨大な三次元座標があって、それらのポイントを近いもの同士まとめて10個のグループを作りたい時、どうすれば良い？
空間内って書いたけど本当はもっと多次元の話だけど。
なんとなく学問的なお決まりの方法ありそうな気がするが、検索ワードが分からん。
Category:ビジネス・教育・ライフハック
コメント
いいっすね！=1
001 [02.07 23:46]i:サポートベクタマシン(SVM)とか…？ ↑
002 [02.08 03:06]neko@Au:ユークリッド距離で近いものを集める、とか？ ↑
003 [02.08 07:09]とくめいのとくさん:組み合わせ最適化で次元ごとの距離を最小化できるグループを作るように選ぶとか ↑
004 [02.08 07:21]匿名さん@Dion:最近傍探索問題の一種だと思うけど「特定の箇所から一番近い場所」じゃなくて基準点無しで「近いもの同士をグループ化」だと大分難しくなりますね。格子の最短ベクトル問題とかもありますけどこっちはようわからん。 ↑
005 [02.08 07:28]k@So-net:k平均法？ ↑(1)
006 [02.08 07:41]すきやき★52:百万だと100^3なので、それほど膨大な空間とは言い難いような。計算するとなると膨大でしょうけど。 ↑
007 [02.08 10:09]uspkt★1@OCN:005 に一票。単なる三次元座標の点群を空間的に近いかどうかで分けるなら k-means で十分と思う。「本当は」て書いてるので、k-means で十分でないなら教師なし学習の手法を適当に漁る。 ↑
008 [02.08 11:38]はずし@OCN:そもそも近いの定義は何よ。 ↑
009 [02.08 15:36]F@Dion:多変量解析？クラスタリングとかクラスター解析とかそっち方向かな。詳しくないけど：?） ↑
010 [02.10 14:38]クラスター分析屋@Iij:クラスター分析や ↑
011 [02.12 02:40]匿名@Iij:三次元だったら減色のアルゴリズム使えるのでは？メディアンカット． ↑
→カテゴリー：ビジネス・教育・ライフハック(記事数:1269)
アクセス数の多い記事(過去1ヶ月)
