一、原理
蓄水池采样算法解决的是在给定但长度未知的大数据集中，随机等概率抽取一个数据。如果知道数据集的长度，可以用随机数rand()%n得到一个确切的随机位置，那么该位置的对象就是所求的对象，选中的概率是1/n。那长度未知该如何取？尤其是如果这个大数据集不能一次性放入内存中，蓄水池采样算法就非常有用了。
算法思路：我们总是选择第一个对象，以1/2的概率选择第二个，以1/3的概率选择第三个，以此类推，以1/m的概率选择第m个对象。当该过程结束时，每一个对象具有相同的选中概率，即1/n。
证明：第m个对象最终被选中的概率P=选择m的概率*其后面所有对象不被选择的概率，即
1 m × ( m m + 1 × m + 1 m + 2 × . . . × n − 1 n ) = 1 n \frac{1}{m}\times(\frac{m}{m+1}\times\frac{m+1}{m+2}\times...\times\frac{n-1}{n})=\frac{1}{n} m1
最低0.47元/天 解锁文章
527
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
