先使用 k-means 把这群人分为若干个群，在每个群中随机分组。

觉得首先要准确定义“随机”这个概念。

如果“随机”的意思是说，每组内，有属性 A 的一样多，有属性 B 的一样多。

先按地区，分成三个数组 A1,A2,A3 对于 A1，按照 M,N,O 分组。

这样就能展成一个多叉树。叶子节点是数组，数组内的元素含有相同元素。

把所有叶子节点连在一起，变成一个数组 A_final

假设分为 n 组。

对 A_final 的 index，做摸运算就 ok 了。

似乎能行。。。我再想想。

#2 楼 @yfractal :plus1:

#1 楼 @Alexander #2 楼 @yfractal 感谢回复 1.k-means 我不是很懂，下来看看 2.我用词“随机”可能不是很准确，问题的初衷应该是希望讲人更分散的分成 n 组，我修改了问题本身 我下来试试你的方法，给你反馈

#2 楼 @yfractal 我花了一个图测了一下，在 9 个候选者中，分别有地区 A，B，C，男，女，优良差这三种维度，分成 2 组，3 组，4 组后，效果不错。 有两点反馈： 1.分成 3 组时因为数字 3 分别和地区、优良差这两种维度的个数冲突，导致打散效果不好。不过在真实场景中发生几率不大，可以暂时忽略 2.这种分发不具有随机性，也就是说分多少次结果都是一样的。 不过还是要感谢你。

#5 楼 @6233843 :) 我给出证明或者代码好了。。。不好意思。我实在是太懒了。。。

觉得这个算法可以补救下。。。但不确定是不是你想要的。。。 假设一共有 6 个人，分为两组。 前面是一样的。现在假设“树”已经生成完了，放在一个数组里。

觉得可以这样分组。 [1,2] [3,4],[5,6]

对于 [1,2],用随机方法，决定是把 1 放在第一组，还是第二组，以此类推。这样就有了随机性。

简单来说 k-means 就是定义了“距离”，距离近的就放在一组里面。k-means 需要组数作为参数。还可以定义权重。

我觉得这里的随机是希望越相似的人越不要在一个组。所以，直接用 k-means 算法的结果会跟这个随机的需求相反。

#6 楼 @yfractal "对于 [1,2],用随机方法，决定是把 1 放在第一组，还是第二组，以此类推。这样就有了随机性" 直接随机怕是不行，否则可能出现全在第一组而不再第二组 可以考虑生成一个组号 array，比如由 5 个人，分两组，那么就在 [1,1,1,2,2] 这个数组里面随机抽一个，然后分组，这样能保证人数是平均的。

机器学习交易——如何使用回归预测股票价格？最近翻译了一篇文章，本人对机器学习应用在量化投资上很感兴趣，希望可以和社区大神一起交流学习。