Machine learning 如何在实时流中计算出概率分布？

我得到了一个0到1之间的（非常快的）实时数据流，需要将它们排序到“bucket”中

假设有一个0.6来了，我的水桶每个都覆盖了0.25的面积。这意味着0.6将进入第三个桶。然而，当有很多数字在0.6左右出现时，它们都将进入第三个桶，这是不好的

我想改变四个桶所覆盖的区域，这样每个桶被击中的概率相等。例如，最好将铲斗一个盖子设置为0-0.5，第二个盖子设置为0.5-0.6，第三个盖子设置为0.6-0.65，最后一个盖子设置为0.65-1

问题是，我无法存储这些值—只存储哪些存储桶被命中的频率。有没有一个有效的更新公式

---

提前非常感谢

如果您没有存储这些值，那么在某个时间点，您所拥有的只是

有多少值落在x和y之间

为了使您的箱子/桶之间的概率相等，这些值非常关键。 让我们从这个实时流开始，假设它最初是以0.12 0.37 0.62和0.87开始的 每个垃圾箱中有一个垃圾箱

对于值0.24,0.49,0.74,0.99，每个箱子将再次得到1

对于值0.01,0.26,0.51,0.76，每个箱子将再次得到1

每个箱子里都会有3个。现在，如果0.6开始进来，进来大约6次，在9点做第三个箱子，而其余的是3个。说现在你必须更新你的边界。如果现在移动垃圾箱边界，则每个垃圾箱的概率将不正确

您不能根据垃圾箱的数量或平均数量移动垃圾箱。我的示例值可以以任何顺序出现，因此在不知道所有以前的值的情况下，甚至不可能在第一个值出现后移动垃圾箱

---

了解其他人对此的想法会很有趣。

如果您没有存储这些值，那么在某个时间点，您所拥有的只是

有多少值落在x和y之间

为了使您的箱子/桶之间的概率相等，这些值非常关键。 让我们从这个实时流开始，假设它最初是以0.12 0.37 0.62和0.87开始的 每个垃圾箱中有一个垃圾箱

对于值0.24,0.49,0.74,0.99，每个箱子将再次得到1

对于值0.01,0.26,0.51,0.76，每个箱子将再次得到1

每个箱子里都会有3个。现在，如果0.6开始进来，进来大约6次，在9点做第三个箱子，而其余的是3个。说现在你必须更新你的边界。如果现在移动垃圾箱边界，则每个垃圾箱的概率将不正确

您不能根据垃圾箱的数量或平均数量移动垃圾箱。我的示例值可以以任何顺序出现，因此在不知道所有以前的值的情况下，甚至不可能在第一个值出现后移动垃圾箱

---

想知道其他人是如何看待这一点的，我很感兴趣。

我想你应该保持一种水桶树

这听起来像是一份工作，或者是一种变体

我知道哈夫曼编码有一种流式变体。我对算术没有把握。但看起来至少可以定期定义新模型，并将旧值复制到新模型中

---

由于没有旧值，您可能不得不猜测边界，而不是计算边界。例如，您可以在0.6下定义100个新的bucket，然后折叠未使用的bucket。

我认为您希望保留一种bucket树

这听起来像是一份工作，或者是一种变体

我知道哈夫曼编码有一种流式变体。我对算术没有把握。但看起来至少可以定期定义新模型，并将旧值复制到新模型中

---

由于没有旧值，您可能不得不猜测边界，而不是计算边界。例如，您可以在0.6下定义100个新的存储桶，然后折叠未使用的存储桶。

我想您需要一个等宽直方图的流式算法。下面是一份调查报告，让您开始：输入点的数量有限制吗？桶是否重置或删除旧点？目标是精确的直方图还是简单的负载平衡？我认为您需要一个等宽直方图的流式算法。下面是一份调查报告，让您开始：输入点的数量有限制吗？桶是否重置或丢弃旧点？目标是准确的柱状图还是简单的负载平衡？