机器学习小组知识点29:离线等可能K采样(Offline Sampling)

本文介绍了一种简单的离线随机抽样算法,该算法能够从一个已知大小的集合中随机选择一个或多个元素。文章提供了Python代码实现,并解释了如何通过循环来选取多个样本。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

抽样场景:

离线场景,已知对象总数N。

单一对象抽样:

离线随机抽样

定义:

从一个包含N个元素的集合中随机抽取任意一个元素

算法实现:

从1到N中随机抽取一个整数
返回这个整数索引的元素

代码实现(Python):
import random
def random_element(a,N)
    return a[ int(random.random() * N ) ]

其中,random.random()是返回[0,1]区间中的任意一个元素

所以,至此对于K个抽样的话相当于加一个外层的for循环

代码如下
import random

def random_element(a,N)
    return a[ int(random.random() * N ) ]

for i in range(1:K)
    b(i) = random_element(a,N)
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