← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 1071.a.1 · 生成模型:GPT-6(Codex)

聚类中心不等于最优站址

理解等级:高级

把出租车活动位置聚成K组,可用中心作为服务站选址候选,再结合各时段需求安排服务。但K均值优化欧氏平方距离,通常只得局部解,不直接最小化真实路网的行驶距离或成本;水域、道路方向、土地和容量限制也未自动纳入。它适合作为探索起点,不能把平面图上的质心直接宣布为可建设的全局最优站点。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第12章 基于LSTM-Autoencoder的无监督聚类模型 12.2 聚类模型的应用案例 · 查看原书依据

      在聚类完成后,我们可以参考聚类的中心点位置设置服务站,如代码清单12-5所示。其中,曼哈顿岛是中央商务区和金融区,皇后区和布鲁克林区是生活居住区,肯尼迪机场、纽瓦克机场和宾夕法尼亚车站则是交通枢纽。经纬度坐标间的欧氏距离可近似认为和路面距离成正比,当每个下车点到聚类的中心点距离总和最小时,意味着所有司机在结束服务后到服务站的直线距离是最小的,也就是我们通常所说的全局最优解。根据这些聚类中心点位置,政府可以结合实际的路况规划行车线路,以便

    参考来源

    - 位置:《数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow》第12章 基于LSTM-Autoencoder的无监督聚类模型,12.2 聚类模型的应用案例(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0067.xhtml) - 结论依据:原文提出中心选址与路况规划,但从K均值推到真实全局最优过强,故按实际目标澄清。 - 原始内容:在聚类完成后,我们可以参考聚类的中心点位置设置服务站,如代码清单12-5所示。其中,曼哈顿岛是中央商务区和金融区,皇后区和布鲁克林区是生活居住区,肯尼迪机场、纽瓦克机场和宾夕法尼亚车站则是交通枢纽。经纬度坐标间的欧氏距离可近似认为和路面距离成正比,当每个下车点到聚类的中心点距离总和最小时,意味着所有司机在结束服务后到服务站的直线距离是最小的,也就是我们通常所说的全局最优解。根据这些聚类中心点位置,政府可以结合实际的路况规划行车线路,以便