我有一个输入的N维空间。我还有一个函数f，给定空间中的某个点，它会返回该点是"好"点的可能性[[0，1]之间的某个度量]。我知道"好"的点在空间中往往是紧密相连的。但这些好的点可能会分布在整个搜索空间中。因此，可能会有一些地区在产生这些好点方面表现出色。
我可以应用哪些好的近似算法/统计/技术来获得尽可能多的这些点，并且尽可能广泛(覆盖尽可能多地集群(。
感谢
了解聚类分析和统计分类的主题。
这里的重点是有很多不同的算法，如果某种方法合适，这在很大程度上取决于你的应用程序和输入数据的结构。
您可能需要使用数据挖掘工具来评估特定数据的不同算法。我过去曾使用过RapidMiner，并了解了很多关于哪些适用于我的应用程序，哪些不适用。
javascript python java c# php android html jquery c++ css ios sql mysql arrays asp.net json python-3.x ruby-on-rails .net sql-server django objective-c excel regex ruby linux ajax iphone xml vba spring asp.net-mvc database wordpress string postgresql wpf windows xcode bash git oracle list vb.net multithreading eclipse algorithm macos powershell visual-studio image forms numpy scala function api selenium