確率サンプリングによって、リスト上の
- 入力:要素のコレクションCとCの確率分布p;
- 出力:Pに応じてCからランダムに選択された要素。
Cが有するn個の要素、1-nは、確率(P =(P [1]、...、P [N])。我々のみはrandom.Random()関数は、[私たち0,1均一な分布を与えます]上のフロート。基本的な考え方は、長さpのn個のセグメントに[0,1]に分割することである[1] ... P [N](ΣのP [I] = 1)。1]、0 [一様であればドット上に、それは、i番目のセグメントに停止する確率は、p [i]があるためはrandom.Random()関数によって実現することができるされている。場所を停止確認し[0,1]、それを返している位置、 Pythonは次のように実装され、そのセグメント・インデックス:
REF:https://scaron.info/blog/python-weighted-choice.html
確率サンプリングによって、リスト上の
import random
import collections
def weighted_choice(seq, weights):
assert len(weights) == len(seq)
assert abs(1. - sum(weights)) < 1e-6
x = random.random()
for i, elmt in enumerate(seq):
if x <= weights[i]:
return elmt
x -= weights[i]
def gen_weight_list(seq, gt_set, incline_ratio):
'''
:param seq:
:param gt_list:
:param incline_ratio:
:return:
seqe = [1,2,3,4,5]
gt_list = [3,5,7]
# incline_ratio = 0.9 # allocate this num of prob for random select gt's in sequence
'''
len_seq = len(seq)
# programmatic gen the prob list:
prob_list = []
gts_in_seq = [i for i in seq if i in gt_set]
len_gts_in_seq = len(gts_in_seq)
# item_ngt_in_seq = [i for i in seqe if i not in gt_list]
if len_gts_in_seq > 0:
prob_gt = incline_ratio/len_gts_in_seq
prob_ngt = (1-incline_ratio)/(len_seq - len_gts_in_seq)
else:
prob_gt = 0
prob_ngt = 1/len_seq
for idx in range(len_seq):
if seq[idx] in gts_in_seq:
# prob_list[idx] = prob_gt
prob_list.append(prob_gt)
else:
# prob_list[idx] = prob_ngt
prob_list.append(prob_ngt)
return prob_list
# add prob incline ratio for allocate heavier weight udr some conditions:
seqe = [1,2,3,4,5]
gt_set = set([3,5,7]) # conditions, if item in seq is also in this list, will be allocated higher weight.
inc_ratio = 0.8 # allocate this num of prob for random select gt's in sequence
prob = gen_weight_list(seqe, gt_set, inc_ratio)
select_seq = []
for i in range(10000):
select_seq.append(weighted_choice(seqe, prob))
# count the item in select_seq:
select_seq.sort(reverse=True) #optional?
item_Count = collections.Counter(select_seq)
print(item_Count)