Language agnostic 是否有加权水库取样的算法？

当数据流中的点具有相关权重时，是否有一种算法来执行储层采样？

您可以从中尝试A-ES算法。编写代码非常简单，效率也非常高

希望这有帮助

---

贝努伊特

帕夫洛斯·埃弗拉米迪斯（Pavlos Efraimidis）和保罗·斯皮拉基斯（Paul Spirakis）的算法正好解决了这个问题。在《2006年信息处理快报》上，有完整证据的原始论文以“水库加权随机抽样”为题发表，但你可以找到一个简单的摘要

该算法的工作原理如下。首先，请注意，解决未加权储层采样的另一种方法是为每个元素分配一个介于0和1之间的随机id R，并以增量方式（例如使用堆）跟踪前k个id。现在让我们看看加权版本，假设第i个元素的权重为w_i。然后，我们通过选择第i个元素的id为R^（1/w_i）来修改该算法，其中R再次均匀分布在（0,1）中

---

Cloudera的同事们发表了另一篇关于此算法的文章。

和一行python实现：

heapq.nlargest（k，items，key=lambda item:math.pow（random.random（），1/weight（item））

是否可以用replacement执行此操作？@eleanora使用replacement执行此操作没有意义，因为存在别名方法，您需要首先创建一个表，它需要O（n）个时间，然后每个选择都是O（1）。但是，Alias不会在选择时保持其运行时复杂性，除非您将其与替换一起使用。可以找到似乎是副本的内容。