数据挖掘 - 多类数据再分配 - 吾爱随笔录

我想根据新的比例重新分配类中的数据，并想知道什么是最佳方法。例如我有

10 30 60 elements in each class a,b,c

显然每个班级的分数如下：

0.1 0.3 0.6

如果我想按如下方式设置分数怎么办：

0.3 0.2 0.5

并丢弃其他数据。无法生成新数据，应保留最大数量的数据点。它可以推广到一百个类吗？

UPD：我得出了一些最小化问题：

m i n_{n} f (n) = - \sum p_{i}^{n e w} \log {\hat{p}}_{i} = - \sum p_{i}^{n e w} \log ({\hat{n}}_{i} / \hat{N})

$min_\textbf{n} \; f(\textbf{n}) = - \sum p^{new}_i \log{\hat p_i} = - \sum p^{new}_i \log{(\hat n_i/ \hat N)}$

= \log (\hat{N}) - \sum p_{i}^{n e w} \log ({\hat{n}}_{i})

$= \log(\hat N)- \sum p^{new}_i \log{(\hat n_i)}$ 英石

{\hat{n}}_{i} \leq n_{i}^{c}, \forall i \in 1 : C

$\hat n_i \le n_i^c \; , \forall i \in 1:C$

\hat{N} = \sum_{i} {\hat{n}}_{i}

$\hat N = \sum_i \hat n_i$

但我不知道如何制定条件 $\hat n_i$ 同时也应该最大化。

在哪里 $\hat n$ 是我正在寻找的第 i 个类中的一些元素， $N$ 是元素的总数和 $C$ 是一些类。 $p^{new}_i$ 是一个类划分。 $n_i$ 是给定类中元素的原始数量

如何解决？