蓄水池采样问题(Reservoir sampling question)

问题: 在给定的但未知其大小的数据集中，随机等概率的抽取一个元素。
分析: 如果知道数据集的大小，可以直接rand() % len得到一个确切的位置。
所以未知长度时，即可使用蓄水池采样。
算法思路: 总是选择第一个对象，以的概率选中第二个数据，依次类推... 以的概率选中第m个数据。此时可以保证被选中的概率为。

第m个被选中，那么就是说后面的都不被选中(第m个数据不被选中，前m - 1个随机选中一个)
证明如下:

 

以上是两个典型的问题(来源: leetcode)： 
问题1(leetcode 382):
给定一个单链表，随机选择链表的一个节点，并返回相应的节点值。保证每个节点被选的概率一样。进阶:如果链表十分大且长度未知，如何解决这个问题？你能否使用常数级空间复杂度实现？

/**
 * Definition for singly-linked list.
 * struct ListNode {
 *     int val;
 *     ListNode *next;
 *     ListNode(int x) : val(x), next(NULL) {}
 * };
 */
class Solution {
public:
    //又是抽样问题???
    
    ListNode* H;

    /** @param head The linked list's head.
        Note that the head is guaranteed to be not null, so it contains at least one node. */
    Solution(ListNode* head){
        H = head;
    }
    
    /** Returns a random node's value. */
    int getRandom() { //随机返回一个数
        
        ListNode* p = H->next;
        int i = 1, res = H->val; //i 从第一个数开始
        while(p){
            int r = rand() % (i + 1);
            
            //这一步是为什么? 求解r == 0 即记录结果 总是先选择第一个数
            if(r < 1) res = p->val;
            p = p->next;
            i ++;
        }
        return res;
    } 
};

问题2(leetcode 398): 
给定一个可能含有重复元素的整数数组，要求随机输出给定的数字的索引。 您可以假设给定的数字一定存在于数组中。注意：数组大小可能非常大。 使用太多额外空间的解决方案将不会通过测试。

class Solution {
public:
    
    //随机+“大数组” --> 蓄水池采样
    vector<int> v; //定义二维map 以及怎么使用
    Solution(vector<int>& nums) {
        
        v = nums;
    }
    
    int pick(int target) {
        
        int res = 0, cnt = 0; //统计个数
        for(int i = 0; i < v.size(); i ++){ //随机给出其目标值的下标
            if(v[i] == target){
               cnt ++; //统计目标值的个数
                
                if(rand() % cnt == 0) res = i;
            } 
        }
        
        return res;
    }
};

拓展: 如何从大数据中随机抽取k个数字。
若是将前k个数字放进“水库”中去，对于第k+1个数据元素，以的概率选取它，以的概率选取第k+2个数据元素...
依次类推，若第m个数据元素被选中 （说明：此时不被选中的概率为   =  ，则随机替换水库中的一个对象。最终每个对象被选中的概率为k/n。

证明如下: 第m个数据元素被选中 = 选择m的概率 * (其后元素不被选择的概率 + 其后数据元素被选中的概率*不替换第m个的概率)

           

 

以上就是今天所有的内容，欢迎各位给出意见，谢谢!