random - 在矢量巨大且大多数权重为零的情况下有效使用 Octave 的 randsample（带权重）

Question

在即将到来的模拟项目中，我将遇到一种情况，即我必须从加权意义上的巨大向量中绘制一个随机元素。对于向量的大多数元素，分配的权重将为零。我也只需要绘制一个元素，因此替换或不替换功能无关紧要。

这个随机挑选步骤将成为我模拟的瓶颈，因此获得最佳效率和速度至关重要。

有什么技巧/提示最好做什么？在我的项目中是否有任何重要的节省？

PS： randsample 在大向量上可靠吗？

标签： randomoctave

Answer 1

查看randsample.m统计包中的源代码。这实际上是一个非常简单的实现。它从权重向量创建归一化的累积权重向量，然后通过标准逆采样对其进行有效采样。

我不知道你所说的“巨大”是什么意思，但只要权重向量可以放入内存，就没有理由不应该很快。

如果“巨大”是指不适合内存的东西，那么您可以创建此函数的“巨大版本”，将累积权重向量拆分为保存在磁盘上的可预测“箱”，并且仅从右侧执行反向采样斌。

我唯一要补充的是，鉴于实现并且您只对单次抽奖感兴趣，那么如果您明确指定“替换”为“真”，您可能会受益于速度，因为默认值为“ false'（即没有替换），并且有替换的采样似乎避免了许多不必要且昂贵的步骤（排列等）。