标签: random-sample

可能重复:
生成随机枚举

我正在寻找从c ++中的枚举中选择元素的最佳方法.一开始,我感谢使用一个开关,但是,我有一些大的枚举,并没有效率,所以,我正在尝试使用每个人做一个.

要在枚举中选择水果元素:

enum FruitType
{
    kApple,
    kOrange,
    kMelon
};

并尝试此功能:

/**
 * R3turn a random fruit
 */
FruitType giveMekRandomFruit()
{
    randNumber = rand % __TOTALFRUITS // Enum total = 3 elements

    for (int& i: FruitType)
    {
           if (randNumber = i)
           {
           CCLog("Random Fruit selected:" + i);
           return i;   // return the number selected

            }
    }
}

显然不工作,我有一个syntaxis或概念的问题,任何想法???

谢谢你的时间.

我在R中进行分类.我有一个名为testD的测试数据数据框和一个称为结果的数据数据框(这些是正确的分类值).

这些数据帧非常大,在整个集合上训练我的模型需要太长时间,因此我想随机选择大约5,000个数据点并对其进行训练.

我知道如何从任一数据框中随机选择5,000行,但我需要确切地知道我从'testD'中选择了哪些行,因此我知道要比较的'结果'中有5,000行.

任何帮助将不胜感激!

我是 R 新手，在使用 Weibull 分布函数时遇到问题。

我必须使用累积分布，所以我必须使用 pweibull 函数。我也知道形状必须在 0.7 到 0.8 之间。

 pweibull(q, shape, scale = 1, lower.tail = T, log.p = F)

现在是棘手的部分，对于 q 参数，我需要传递通过 Weibull 逆计算的随机值，该逆将具有 0 到 1 之间的随机值作为输入。这个功能好用吗？

pdiweibull(x, q, beta)

总而言之，如果我创建一个包含 100 个随机数的向量，其值从 0 到 1，将其作为“x”参数传递给 pdiweibull，然后将该结果作为“q”参数传递给 pweibull，我是否将我的想法正确地转换为 R 代码?

我被这个练习的另一部分卡住了。正在编码的程序允许您钻取短语（它为您提供一段代码，您写出英文翻译）并且我对“转换”功能的工作方式感到困惑。完整代码：http : //learnpythonthehardway.org/book/ex41.html

def convert(snippet, phrase):
    class_names = [w.capitalize() for w in
                   random.sample(WORDS, snippet.count("%%%"))]
    other_names = random.sample(WORDS, snippet.count("***"))
    results = []
    param_names = []

    for i in range(0, snippet.count("@@@")):
        param_count = random.randint(1,3)
        param_names.append(', '.join(random.sample(WORDS, param_count)))

    for sentence in snippet, phrase:
        result = sentence[:]

        # fake class names
        for word in class_names:
            result = result.replace("%%%", word, 1)

        # fake other names
        for word in other_names:
            result = result.replace("***", word, 1)

        # fake parameter lists
        for word in param_names:
            result = …

Python 中是否有一个函数可以从 n 维 numpy 数组中采样并返回每次绘制的索引。如果不是，人们将如何定义这样一个函数？

例如：

>>> probabilities = np.array([[.1, .2, .1], [.05, .5, .05]])  
>>> print function(probabilities, draws = 10)
 ([1,1],[0,2],[1,1],[1,0],[0,1],[0,1],[1,1],[0,0],[1,1],[0,1])  

我知道这个问题可以用一维数组以多种方式解决。但是，我将处理大型 n 维数组，不能仅仅为了进行一次绘制就重新调整它们的形状。

使用Array.prototype.reduce(或Array.prototype.reduceRight)签名,是否可以从数组中选择一个项目,所有索引的概率相等？这是我的尝试:

document.write(`
${[...'abcdefghijklmnopqrstuvwxyz'].reduce(function(last, next, index, array) {
  if (Math.random() > index / array.length) {
    return next;
  }

  return last;
})}
`);

在对此进行一些测试运行之后,分布似乎偏向较低的指数(也就是说更频繁地选择较高的指数).

假设我想要生成10个随机数的向量.我怎样才能在R和c ++中这样做,以便得到相同的向量？

我知道在C++中我必须使用srand()然后使用rand()而在RI中可以使用set.seed()然后使用runif.

但是我怎么能让他们变得一样呢？

到目前为止,我一直在使用一个列表来跟踪遇到的所有唯一数字.我使用随机数生成器来获得1到n之间的随机数.如果那个数字已经在我的列表中,那么我只是继续生成随机数,直到我遇到一个不在我的列表中的数字.当我得到一个不在我的列表中的新号码时,我将其添加到我的列表中并重复该过程,直到列表中的所有"n"号都存在.

显然,这种方法效率很低.有人可以提出一个有效的解决方案??

以下R代码只给出正态分布的一半; 为了获得另一半,我应该改变什么代码？

halfnormal <- function(n){
    vector <- rep(0,n)
    for(i in 1:n){
        uni_random <- runif(2) 
        y <- -log(uni_random)
        while(y[2] < (y[1]-1)^2/2){
            uni_random <- runif(2)
            y <- -log(uni_random)
        }
        vector[i] <- y[1]
    }
    vector
}

output <- halfnormal(1000)
hist(output)

是否可以使用SPARQL生成三元组的随机样本？我认为可能是通过SAMPLE函数,但这会返回一个SAMPLE.

我的解决方法是生成一个与OFFSET关键字一起使用的随机数,并使用LIMIT关键字返回所需的样本大小.我只是将偏移的随机数硬编码为200以方便,如下所示:

SELECT *
WHERE {
?s ?p ?o
} 
OFFSET 200 #random number variable
LIMIT 100

有没有更好的建议从SPARQL端点生成100个数据三元组的随机样本？