有乙個非常非常大的資料集，有正樣本，有負樣本，僅知道資料集的size，不知道資料的分布，設計演算法從中取樣出40000個正樣本、60000個負樣本，使得樣本是等概率被採集到的。思路：這可以理解為乙個海量資料的問題，可以採用堆排序的方式來處理，而利用hash值來排序則可以獲得隨機性要求。
解法：維護乙個大小為40000的小根堆（或者大根堆）、乙個大小為60000的小根堆（或者大根堆）。遍歷一遍資料集，計算每乙個樣本id的hash值，如果該樣本是正樣本：如果hash值大於根節點或者堆中元素不足40000，則插入堆中並調整堆為小根堆（或者大根堆），否則捨棄該元素；如果是負樣本則作相應的操作。這一過程還可以使用分布式處理來提高時間效能。
面試題 等概率生成器
問題一 已知一隨機發生器，產生0的概率是p，產生1的概率是1 p，現在要你構造乙個發生器，使得它構造0和1的概率均為1 2 構造乙個發生器，使得它構造1 2 3的概率均為1 3 構造乙個發生器，使得它構造1 2 3 n的概率均為1 n，要求複雜度最低。解決方法 原始的隨機數生成器，生成0 的概率為p...
關於概率的面試題
當前面試中各大名企經常出現各種各樣的概率類面試題。究其原因，我覺得是概率型面試題可以綜合考查面試者的思維能力 應變能力 數學能力。在這裡對各種型別的概率型題目進行了收集和總結，希望在自我總結的同時對大家有所幫助。方法比較簡單，基本思想是每次隨機取乙個數，然後把它交換到最後的位置。然後對前 n 1 個...
統計學條件概率 貝葉斯公式
1.分類加法計數原理場景 從甲地到乙地，可以乘火車 汽車 輪船。火車有 4 班 汽車 2 班 輪船 3 班，那麼一天中乘坐這些交通工具從甲地到乙地有多少種不同的走法？2.分步乘法計數原理場景 從 a 到 b 的道路有 3 條，從 b 到 c 的道路有 2 條，那麼從 a 到 b 到 c 總共有多少種...