假设我想存储N个样本（每个样本占据记忆的重要部分），这应该形成总共M> N个样本的代表性集合，这些样本按顺序呈现给我。我事先不知道M，只能同时将N个样本保存在内存中。
这里，代表性意味着M个样本中的每一个应该具有相等的存储概率。
答案 0 :(得分：3)
这个问题被称为reservoir sampling，并且有一个非常有效的O（M）时间，O（N）空间算法。该算法的工作原理如下：在每个点上，保持“猜测”您要选择的N个元素。最初，选择前N个元素。然后，在看到序列的第k个元素后，选择1到k之间的随机数（包括1和k）。如果选择的数字在1..N范围内，则将索引的“猜测”项目替换为当前项目;否则什么也不做。您可以使用快速归纳论证来证明这将随机均匀地对N个元素进行采样，并对数据进行一次传递。
希望这有帮助！