首页 > 代码库 > Reservoir Sampling 蓄水池抽样算法,经典抽样
Reservoir Sampling 蓄水池抽样算法,经典抽样
随机读取数据,如何保证真随机是不可能的,因为计算机的随机函数是伪随机的。
但是在不考虑计算机随机函数的情况下,如何保证数据的随机采样呢?
1.系统提供的shuffle函数
C++/Java都提供有shuffle函数,可以对容器内部的数据打乱,保持随机排序。
C++:
1 template <class RandomAccessIterator, class URNG>2 void shuffle (RandomAccessIterator first, RandomAccessIterator last, URNG&& g);
Java:
1 static void shuffle(List<?> list);2 static void shuffle(List<?> list, Random rnd);
这些函数对数量一定的数据的随机打乱顺序,并不能处理数量不定的数据流。
2.在序列流中取一个数,如何确保随机性,即取出某个数据的概率为:1/(已读取数据个数)
假设已经读取n个数,现在保留的数是Ax,取到Ax的概率为(1/n)。
对于第n+1个数An+1,以1/(n+1)的概率取An+1,否则仍然取Ax。依次类推,可以保证取到数据的随机性。
数学归纳法证明如下:
当n=1时,显然,取A1。取A1的概率为1/1。
假设当n=k时,取到的数据Ax。取Ax的概率为1/k。
当n=k+1时,以1/(k+1)的概率取An+1,否则仍然取Ax。
(1)如果取Ak+1,则概率为1/(k+1);
(2)如果仍然取Ax,则概率为(1/k)*(k/(k+1))=1/(k+1)
所以,对于之后的第n+1个数An+1,以1/(n+1)的概率取An+1,否则仍然取Ax。依次类推,可以保证取到数据的随机性。
代码如下:
1 //在序列流中取一个数,保证均匀,即取出数据的概率为:1/(已读取数据个数) 2 void RandNum(){ 3 int res=0; 4 int num=0; 5 num=1; 6 cin>>res; 7 8 int tmp; 9 while(cin>>tmp){10 if(rand()%(num+1)+1>num)11 res=tmp;12 num++;13 }14 cout<<"res="<<res<<endl;15 }
3.在序列流中取k个数,如何确保随机性,即取出某个数据的概率为:k/(已读取数据个数)
建立一个数组,将序列流里的前k个数,保存在数组中。(也就是所谓的"蓄水池")
对于第n个数An,以k/n的概率取An并以1/k的概率随机替换“蓄水池”中的某个元素;否则“蓄水池”数组不变。依次类推,可以保证取到数据的随机性。
数学归纳法证明如下:
当n=k是,显然“蓄水池”中任何一个数都满足,保留这个数的概率为k/k。
假设当n=m(m>k)时,“蓄水池”中任何一个数都满足,保留这个数的概率为k/m。
当n=m+1时,以k/(m+1)的概率取An,并以1/k的概率,随机替换“蓄水池”中的某个元素,否则“蓄水池”数组不变。则数组中保留下来的数的概率为:
所以,对于第n个数An,以k/n的概率取An并以1/k的概率随机替换“蓄水池”中的某个元素;否则“蓄水池”数组不变。依次类推,可以保证取到数据的随机性。
代码如下:
1 //在序列流中取n个数,保证均匀,即取出数据的概率为:n/(已读取数据个数) 2 void RandKNum(int n){ 3 int *myarray=new int[n]; 4 for(int i=0;i<n;i++) 5 cin>>myarray[i]; 6 7 int tmp=0; 8 int num=n; 9 while(cin>>tmp){10 if(rand()%(num+1)+1<n) 11 myarray[rand()%n]=tmp;12 }13 14 for(int i=0;i<n;i++)15 cout<<myarray[i]<<endl;16 }
Reservoir Sampling 蓄水池抽样算法,经典抽样