Reservoir Sampling - 蓄水池抽样


转载http://www.cnblogs.com/HappyAngel/archive/2011/02/07/1949762.html

腾讯面试题:一个数据流中,如何采样得到100个数,保证采样得到的100个数是随机的?

问题抽象:要求从N个元素中随机的抽取k个元素,其中N无法确定,而且每个数据只能被读一次。

主要应用场景为数据流,数据量很大,无法保存,还要保证随机抽样。

选一个数从数据流中选取一个数,要求每一个数被选中的概率相等

这道题在编程珠玑上:

How could you select one of n objects at random, where you see the objects sequentially but you do not know the value of n beforehand? For concreteness, how would you read a text file, and select and print one random line, when you don’t know the number of lines in advance?



扩展:选k个数,从数据流中选取K个数,要求随机选取

每次以k/i  的概率选中选中该数,i为当前总数。




参考 蓄水池算法

Reservoir Sampling


此外还有:加权分布式蓄水池抽样



评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值