不指定水库大小作为输入的水库采样(仅指定统一的采样率)

Question

我知道，对于传统的和加权的水库采样算法，用户必须指定水库的大小作为输入。是否有任何水库采样算法只接受项目的统一采样率作为输入，这意味着用户不知道流先验的大小以及生成的样本大小？我环顾了四周，但没有任何运气。

谢谢你的帮助！！

Answer 1

如果你既不知道总体的大小，也不知道期望的样本大小，那么唯一可能的流式算法就是选择概率为p的每个元素。这并不能保证所选的样本将精确地包含pN元素，但它将是无偏的，并且大小大致正确。

话虽如此，我认为这是非常罕见的用例，需要一个样本的x%的未知人口。更常见的是，样本的大小是由处理(或存储)的成本固定的，在这种情况下，无论总体大小如何，储备库采样都将填充所需的样本大小。