Question

很抱歉这篇文章与编码无关，但更多的是数据结构和算法。我有大量的数据，每个都有不同的频率。近似的数字图似乎是贝尔曲线。我现在想要在最精确描述范围频率的范围内显示数据。例如整个数据范围总数没有。频率但这个范围或桶尺寸不精确并且可以更精确（例如，如果某些数据更集中在特定频率区域，我们可能会建立一个数据量更小但频率更密切相关的存储桶。）
关于某些算法的任何帮助。我想到了与二进制搜索相关的算法。任何想法的人。

Answer 1

我不确定我是否关注，但似乎你正在寻找k bean，对于每两个bean，数据落入一个bean的概率是相同的，因为它在另一个bean中。

根据您的说明，您的数据似乎是normally分发的，或T-distributed。

可以评估数据的均值和标准差，让提取的S.D.是s，平均值为u。

评估平均值和S.D.的标准公式。来自样本的是¹：

u = (x1 + x2 + ... + xn) / n (simple average)
s^2 = Sigma((xi - u)^2)/(n-1)

根据此信息，您可以评估数据的分布，即N(u,s^2)。根据此信息，您可以创建随机变量：X~N(u,s^2) ²

现在剩下的就是找到a，b，......如下（假设10个桶，显然可以根据需要修改）：

P(X<a) = 0.1
P(X<b) = 0.2
P(X<c) = 0.3
...

找到a，b，c，......你有你的豆子:( -infinity，a]，（a，b），（a，c]，......

（1）评估方差：http://en.wikipedia.org/wiki/Variance#Population_variance_and_sample_variance
（2）这个变量的实际分布实际上是t分布，因为方差是未知的 - 并从数据中提取。但是 - 足够大n - t分布衰减为正态分布。

Answer 2

首先计算所有索引，然后减去重复值，这将为您提供最佳的桶数。但是在很小的水平上

最佳铲斗尺寸和铲斗数量

2 个答案: