水塘抽样【算法杂例】【C++实现】

目录

1.基本概念

（1）介绍

（2）算法步骤

（3）算法证明

2.算法实现

（1）数据结构

（2）抽样 

---

1.基本概念

（1）介绍

水塘抽样（Reservoir Sampling）是一种随机算法，用于从集合S中随机并等概率抽取k个元素（|S|可以是未知的，这尤其适用于不能把所有元素一次性加载到内存的情况）。

（2）算法步骤

首先从S中抽取前k个样本放入水塘reservior  

然后顺序遍历S，对每一个元素S[i]（i>=k）,都根据其下标i生成一个随机数randnum∈[0,i]。若randnum<k，就用S[i]替换水塘中已有的元素reservior[randnum]  

最后水塘里的所有元素即为最终抽样结果，且每个元素对应的概率均为k/|S|。

（3）算法证明

对每个S[i]：  

P(S[i]位于最终的水塘中)  

= P(S[i]替换掉水塘中某个元素) × P(S[i+1]没有替换掉水塘中的S[i]) × P(S[i+2]没有替换掉水塘中的S[i]) ×...× P(S[|S|-1]没有替换掉水塘中的S[i])  

= P(rand()%(i+1)<k) × P(rand()%(i+2)!=i) × P(rand()%(i+3)!=i) ×...× P(rand()%(|S|)!=i)  

= k/(i+1)×(1-1/(i+2))×(1-1/(i+3))×...×(1-1/|S|)  

= k/(i+1)×((i+1)/(i+2))×((i+2)/(i+3))×...×((|S|-1)/|S|)  

= k/|S|  

2.算法实现

（1）数据结构

#include <iostream>
#include <cstdlib>    // rand()

class ReserviorSampling{
public:
    static std::vector<int> sampling(std::vector<int>& S, int k);
};

（2）抽样 

static std::vector<int> ReserviorSampling::sampling(std::vector<int>& S, int k){
    std::vector<int> reservior(k); // 初始化水塘
    for(int i=0; i<k; i++){
        reservior[i] = S[i];
    }

    int i=k;
    for(auto &e:S){
        int randnum = rand()%(i+1);// 从i>=k开始，对每个i都随机获得一个[0~i]的整数
        if(randnum < k){
            reservior[randnum] = e;
        }
        i++;
    }

    return reservior;
}