存在一组点（或项目，没关系）。每个点a与集合中的其他点有特定距离。可以通过功能retrieve_dist(a, b)检索距离。
这个问题是关于（在Python中）编程从该组点中选择一个点进行替换的算法。选择点：
i）必须与所有已经选择的点保持最大距离，同时要遵守（ii）中的要求
ii）在该计算中，样本中已经选择的点出现的次数必须承载重量。即选择频率更高的点应该更重。例如假设a和b已被选择（分别为100和10次）。然后，当要选择下一个点时，与a的距离比其与b的距离要重要得多，这与已经选择的样本中a的出现频率一致。
我可以尝试的方法：
如果没有重量/频率，这将很容易实现。我可以做到：
distances = defaultdict(int)
for new_point in set_of_points:
for already_selected_point in selected_points:
distances[new_point] += retrieve_dist(new_point, already_selected_point)
然后，我按每个元组中的第二个条目对distances.items()进行排序，然后将得到所需的项目进行选择。
但是，当已经选择的点的频率开始起作用时，我似乎无法解决这个问题。
专家可以帮忙吗？预先感谢。
答案 0 :(得分：0)
解决您的问题的方法是将new_model = tensorflow.keras.models.load_model('path_to_my_model.h5')
设为selected_points，而不是list。在这种情况下，每个新点与set和a（以及所有其他点）的比较次数已经达到发现的次数。
如果每个点通常被发现多次，则可以使用b来提高性能，键为点，而值为每个点被选择的次数。在那种情况下，我认为您的算法将是
dict