[leetcode]随机返回K个未知链表长度的节点值

博客介绍了蓄水池抽样原理,即从未知大小的数据流中随机返回k个数据,且每个样本被选中概率相同,可在读入时随机返回。还通过数学归纳法证明了前N条数据返回K条,每条被返回概率相同,最后给出返回实数范围在[0,1)的random()代码。

原理为蓄水池抽样:一个未知大小的数据流,随机返回k个数据,每个样本被选中的概率是相同的。所以可以直接读入的时候,随机返回。
证明呢?
在这里插入图片描述
数学归纳法
假设前NNN条数据,返回KKK条,每条被返回的概率相同,都是KN\frac{K}{N}NK
那么N+1N+1N+1条数据返回KKK条的概率,用KN+1\frac{K}{N+1}N+1K的概率去选新增的第K+1K+1K+1条,那么元素中被采样的概率为:
1、选中了新增的这一个,前N条中有一条被替换:KN+1∗K−1K∗KN=K−1N∗KN+1\frac{K}{N+1}*\frac{K-1}{K}*\frac{K}{N}= \frac{K - 1}{N} * \frac{K}{N+1}N+1KKK1NK=NK1N+1K
2、第N+1N+1N+1条没有被选中:(1−KN+1)∗KN=N+1−KN+1∗KN(1 - \frac{K}{N+1}) * \frac{K}{N} = \frac{N + 1 - K}{N+1} * \frac{K}{N}(1N+1K)NK=N+1N+1KNK
概率相加结果为:KN+1\frac{K}{N+1}N+1K
结果得证。

代码为:
random() 结果返回实数,范围在[0,1)之内。

class Solution:
    def __init__(self, head: ListNode):
        """
        @param head The linked list's head.
        Note that the head is guaranteed to be not null, so it contains at least one node.
        """
        self.head = head
    def getRandom(self) -> int:
        """
        Returns a random node's value.
        """       
        count,res = 1,-1
        from random import random
        cur = self.head
        while(cur):
            if(int(random()*count) == 0):
                res = cur.val
            count, cur = count + 1, cur.next
        return res
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值