u010717015的专栏

原创 淳朴的大数据抽样方法

方法不是我原创的，只是学习了别人的方法，用自己的语言总结一下。 问题描述： 超大数据，随机等概率抽取m个样本，如何进行？ 问题分析： 问题在于一开始并不知道数据规模，如果知道数据的数量n，自然可以以m/n的概率对每一个逐条读入的数据选择是否抽取。 解决方案： 逐条读入数据， 1. 1~m条数据，均存入待定数组(数组定长m) 2. 读到于第k条数据时 - 第