F#中的采样：设置是否足够？

我有一系列的项目，我想从中取样

我的印象是，一个集合将是一个很好的取样结构，在一个折叠中，我将返回原始集合或一个修改过的集合，其中检索到的元素丢失，这取决于我是否希望替换掉它。 然而，似乎没有直接从集合中检索元素的方法

我有什么遗漏吗？或者我应该使用一组索引，以及一个代理函数，该函数从某个随机

位置

开始，直到找到一个成员为止

就是沿着这条线,

module Seq =
    let modulo (n:int) start = 
        let rec next i = seq { yield (i + 1)%n ; yield! next (i+1)}
        next start

module Array =
    let Sample (withReplacement:bool) seed (entries:'T array) = 
        let prng, indexes = new Random(seed), Set(Seq.init (entries |> Array.length) id)
        Seq.unfold (fun set  -> let N = set |> Set.count
                                let next = Seq.modulo N (prng.Next(N)) |> Seq.truncate N |> Seq.tryFind(fun i -> set |> Set.exists ((=) i))
                                if next.IsSome then
                                    Some(entries.[next.Value], if withReplacement then set else Set.remove next.Value set)
                                else
                                    None)

编辑：积极地跟踪我给出的内容，而不是跟踪我仍然可以给出的内容，这将使它更简单、更有效。

对于不替换的采样，您可以只排列源序列并获取您想要采样的元素的数量

let sampleWithoutReplacement n s =
    let a = Array.ofSeq s
    seq { for i = a.Length downto 1 do
              let j = rnd.Next i
              yield a.[j]
              a.[j] <- a.[i - 1] }
    |> Seq.take n

---

对于庞大的数据集，这些可能不是最有效的方法，但是，继续我们的评论。

如果您想随机对序列进行采样，而不将整个内容写入内存，则可以生成一组与所需样本大小相同的随机索引（与您已有的索引没有太大区别）：

---

是的，我意识到如果我假设有一个数组，它将是直接的。我从集合的概念开始。我的问题用词没有意义。在你的第二部分中，应该是“取样而不替换…”吗？保罗：不，这似乎是正确的。然而，我会在那里使用Seq.unfold，因为它只是一个无限序列。添加初始列表是superfluous@nicolas我应该把代码和评论匹配起来；第一部分说的是“带替换的采样”，而那里的代码说的是

sampleWithoutReplacement

，这是我应该指出的。还将sampleWithReplacement更改为不使用初始[1..n]列表，如建议的那样“似乎没有直接从集合中检索元素的方法”你在找吗？不，我在找能给我返回一个元素的东西，要么从索引（不可能，否则集合必须维护一个对应表）要么只是一个随机元素（我猜树必须维护其子元素的计数）。我本来希望你能从一个集合中取样，但这可能是我在那些日子里过度暴露于统计数据。数组非常适合索引随机访问。是的，但结果是我有30万行的东西，我想取样1k，我们已经有一些内存问题了..那么你想随机采样一个序列吗？

let sampleWithReplacement n s =
    let a = Array.ofSeq s
    Seq.init n (fun _ -> a.[rnd.Next(a.Length)])

let rand count max = 
  System.Random() 
    |> Seq.unfold (fun r -> Some(r.Next(max), r))
    |> Seq.distinct
    |> Seq.take count
    |> set

let takeSample sampleSize inputSize input =
  let indices = rand sampleSize inputSize
  input
    |> Seq.mapi (fun idx x -> 
      if Set.contains idx indices then Some x else None)
    |> Seq.choose id

let inputSize = 100000
let input = Seq.init inputSize id
let sample = takeSample 50 inputSize input
printfn "%A" (Seq.toList sample)