【发布时间】：2018-01-15 06:13:20
【问题描述】：
即，算法是否总是返回相同的结果（对于一维数字列表）？ Fisher 的自然间隔（Jenks 的 O(knlog(n)) 优化）是否具有确定性？
【问题讨论】：
【发布时间】：2018-01-15 06:13:20
【问题描述】：
Fisher 的自然休息使用动态规划来寻找最优解，并且是确定性的。
Jenk's natural breaks 有两种变体。
- 一种方法将一个单元从方差最大的类别移至方差最小的类别。此方法并不总是返回最佳答案。这是基于任意初始类，因此不是确定性的。
- 另一种方法检查所有分区，这将始终返回最佳答案并且是确定性的。
page 提供了关于 Fisher 算法最优性的证明，并指出基本 Jenk 算法没有给出最优答案：
在 Wikipedia 上讨论了迭代地将值从高变异类移动到低变异类，这并不总是产生最佳解决方案。
【讨论】：
-
谢谢！！你知道 Fisher's 是否存在 Python 实现？
-
我不知道，但将这个C++ code 转换为 Python 应该不会太难 - 或者干脆将它嵌入到 Python 扩展中以获得更快的速度？