← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 2580.b.1.c.1.h.2.b.1.a.2.a.4

蓄水池均匀抽样

理解等级:中级

容量 S 的样本池先收下前 S 个元素,随后第 n 个元素以 S/n 概率入池,并随机替换旧样本。这样在读完整个流后各元素有同样的入选概率;样本排序成本较低,但抽样本身仍要遍历输入。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • TiDB 源码阅读系列文章(十二)统计信息(上) · 查看原书依据

      在 sample.go 中,我们实现了蓄水池抽样算法,用来生成均匀抽样集合。令样本集合的容量为 S,在任一时刻 n,数据流中的元素都以 S/n 的概率被选取到样本集合中去。如果样本集合大小超出 S,则从中随机去除一个样本。举个例子,假如样本池大小为 S = 100 ,从头开始扫描全表,当读

    参考来源

    - 位置:《TiDB源码阅读系列文章》第12章《TiDB 源码阅读系列文章(十二)统计信息(上)》(来源项目:book-sources;源文件:extracted/TiDB源码阅读系列文章/_epub-src/OEBPS/Text/TiDB 源码阅读系列文章(十二)统计信息(上).html;阅读段落 21;均为书中版本) - 结论依据:原文对蓄水池均匀抽样给出上述机制或边界;本卡把已读说明整理为可独立理解的解释。 - 原始内容:在 sample.go 中,我们实现了蓄水池抽样算法,用来生成均匀抽样集合。令样本集合的容量为 S,在任一时刻 n,数据流中的元素都以 S/n 的概率被选取到样本集合中去。如果样本集合大小超出 S,则从中随机去除一个样本。举个例子,假如样本池大小为 S = 100 ,从头开始扫描全表,当读