d********t
发帖数: 9628 | |
x*******9
发帖数: 138 | 2 旅行商问题变种？
可以用DP暴力求解。。。
（这是我写的第五遍，验证码你为什么这么屌？ |
d********t
发帖数: 9628 | 3 不是，这是我最近工作的一个具体问题。一个股票的cor matrix，要根据correlation
来group。我的想法是先用闭合回路确定大概的group，就是每个group里所有股票都
highly correlated，再用KNN将剩下的归类，不知道有什么问题没有。
【在 x*******9 的大作中提到】
: 旅行商问题变种？
: 可以用DP暴力求解。。。
: （这是我写的第五遍，验证码你为什么这么屌？
|
r****7
发帖数: 111 | |
d********t
发帖数: 9628 | 5 唉
【在 r****7 的大作中提到】
: 貌似是np complete，没有很好的解
|
e******r
发帖数: 52 | 6 感觉是典型的community discovery？
Spectral Clustering这类应该可以直接套 |
d********t
发帖数: 9628 | 7 没学过，螚深入讲讲吗，谢了!
【在 e******r 的大作中提到】
: 感觉是典型的community discovery？
: Spectral Clustering这类应该可以直接套
|
t*****3
发帖数: 112 | 8 没什么问题，就是找所有连通分支么，聚类最早有个chameleon算法就是以这个思想为
基础。如果事先能确定highly correlated的阈值，无非是dfs全部扫一次即可。通用聚
类算法的问题是这个阈值不知道，所以要反复迭代去找一个收敛点，就非常耗时间了。
用knn的问题是一个股票可能会被放到不同group中去，看看这个是不是能够接受的结果。
correlation
【在 d********t 的大作中提到】
: 不是，这是我最近工作的一个具体问题。一个股票的cor matrix，要根据correlation
: 来group。我的想法是先用闭合回路确定大概的group，就是每个group里所有股票都
: highly correlated，再用KNN将剩下的归类，不知道有什么问题没有。
|
d********t
发帖数: 9628 | 9 大牛谢了! 可以容忍一个股票归于几个不同的cluster。
果。
【在 t*****3 的大作中提到】
: 没什么问题，就是找所有连通分支么，聚类最早有个chameleon算法就是以这个思想为
: 基础。如果事先能确定highly correlated的阈值，无非是dfs全部扫一次即可。通用聚
: 类算法的问题是这个阈值不知道，所以要反复迭代去找一个收敛点，就非常耗时间了。
: 用knn的问题是一个股票可能会被放到不同group中去，看看这个是不是能够接受的结果。
:
: correlation
|
d********t
发帖数: 9628 | 10 用KNN的时候是不是没test过一个新的点就把它标记为结论的那个组，后续的test就会
用到这个结果。还是只用一开始就确定位置的点？
果。
【在 t*****3 的大作中提到】
: 没什么问题，就是找所有连通分支么，聚类最早有个chameleon算法就是以这个思想为
: 基础。如果事先能确定highly correlated的阈值，无非是dfs全部扫一次即可。通用聚
: 类算法的问题是这个阈值不知道，所以要反复迭代去找一个收敛点，就非常耗时间了。
: 用knn的问题是一个股票可能会被放到不同group中去，看看这个是不是能够接受的结果。
:
: correlation
|
t*****3
发帖数: 112 | 11 都可以。比如后者，如果有些股票在经验上很重要或者显著，那么就以它们为中心选取
组；或者迭代一下，看哪些股票的近邻最多，或者最紧密，在迭代中确定组，让其他点
加入进来。取决于你的应用的具体需求，然后讨论取舍。
【在 d********t 的大作中提到】
: 用KNN的时候是不是没test过一个新的点就把它标记为结论的那个组，后续的test就会
: 用到这个结果。还是只用一开始就确定位置的点？
:
: 果。
|
d********t
发帖数: 9628 | 12 大牛多谢!
【在 t*****3 的大作中提到】
: 都可以。比如后者，如果有些股票在经验上很重要或者显著，那么就以它们为中心选取
: 组；或者迭代一下，看哪些股票的近邻最多，或者最紧密，在迭代中确定组，让其他点
: 加入进来。取决于你的应用的具体需求，然后讨论取舍。
|
t*****3
发帖数: 112 | 13 不是大牛，不用客气！
【在 d********t 的大作中提到】
: 大牛多谢!
|
