Data structures 了解计数草图数据结构和相关算法

正在研究CountSketch数据结构及其相关算法。它似乎是一个很好的工具，可以在流式数据中找到共同的元素，它的加性特性使查找频率的巨大变化变得很有趣，可能类似于Twitter用于趋势主题的方式

对于一个已经远离更多学术方法一段时间的人来说，这个问题有点难以理解，这里的一个确实帮助了一些人，至少对我来说，它仍然留下了很多问题

据我所知，计数草图结构类似于bloom过滤器。然而，哈希函数的选择让我感到困惑。该结构是一个N×M的表，具有N个哈希函数，其中M个可能值决定要更改的“bucket”，另一个哈希函数为每N个“两两独立”

是否要从通用散列族中选择散列，例如h（x）=（（ax+b）%some_prime）%M

---

如果是这样的话，返回+1或-1的s散列从何处选择？从一个存储桶中减去的原因是什么？

它们从存储桶中减去，使其他事件导致的加/减的平均效果为0。如果有一半的时间我加上'foo'的计数，而有一半的时间我减去'foo'的计数，那么预计'foo'的计数不会影响'bar'计数的估计

---

选择一个像你描述的通用散列函数确实会起作用，但它对理论而不是实践来说更重要。将您最喜欢的合理散列函数添加到salt中也会起作用，您只是无法使用一些固定的散列函数根据预期值编写有意义的证明

如果添加foo时，一半桶得到-1，一半桶得到+1，那么foo的估计函数返回的中值不会趋向于0吗？确实，如果不考虑任何信息，平均计数是0。但现在确定一个计数，其平均值实际上为0。现在考虑“FO”事件，你知道“FO”的运动方向。在知道“foo”的方向的条件下，你对“foo”的方向有偏差，并且估计值从0到该方向的变化程度，你将“foo”的计数归功于“foo”。中间值的内部对被估计的实际情况有偏差，中间值刚刚消除了大量的方差。感谢您的回复，我在调节部分和“方向”上有点迷糊了。对于任何给定的键（“f00”、“bar”和“baa”），它本质上是使用一半的s来作为所有其他术语的平衡，而另一半用于增加其自身的程度吗？这似乎使估计值偏离了相当大的一点，但也许我看估计值太过字面，它更像是相对于草图中存储的其他关键点？s是确定性的，对吗？如果需要在-{1，+1}之间粗略地划分，那么随机生成的值（经过足够长的时间）不比固定的散列更能保证这一点吗？也许我需要更新我的哈希教育：）