Question

我正在尝试为用户组建一个简单的系统，以生成将向其发送调查的用户列表。列表生成可以取决于各种约束。例如，“我们只想要来自美国和加拿大的人”或“我们只想要拥有2级或3级会员资格的人。”

这部分非常简单，我已经设置了表来捕获选择标准。但另一个标准是，他们可能希望获得每个项目的特定百分比。例如，“给我70％的美国用户和30％的加拿大用户。”再说一遍，我认为我可以毫不费力地做到这一点。他们会给出他们想要的用户数量，所以我可以按百分比加倍，然后确保数字在四舍五入后仍然加起来，我很乐意去。

考虑到未来，如果他们想要通过两组标准进行某些百分比细分，该怎么办？例如，“给我70％的美国，30％的加拿大，同时，50％的2级用户和50％的3级用户。”由于它不是当前的要求，我不打算让自己头疼，但如果有人有一个相当简单的算法（或SQL代码）来完成这样的事情，那么我很乐意看到它。

虽然我更喜欢与数据库无关的解决方案，但我使用的是MS SQL 2005，因此特定于该RDBMS的解决方案也很好。

我目前使用的表结构类似于：

CREATE TABLE Selection_Templates
(
     template_code     VARCHAR(20)     NOT NULL,
     template_name     VARCHAR(100)    NOT NULL,
     CONSTRAINT PK_Selection_Templates PRIMARY KEY CLUSTERED (template_code),
     CONSTRAINT UI_Selection_Templates UNIQUE (template_name)
)
GO
CREATE TABLE Selection_Template_Countries
(
     template_code            VARCHAR(20)       NOT NULL,
     country_code             CHAR(3)           NOT NULL,
     selection_percentage     DECIMAL(2, 2)     NULL,
     CONSTRAINT PK_Selection_Template_Countries PRIMARY KEY CLUSTERED (template_code, country_code),
     CONSTRAINT CK_Selection_Template_Countries_selection_percentage CHECK (selection_percentage > 0),
     CONSTRAINT FK_Selection_Template_Countries_Selection_Template FOREIGN KEY (template_code) REFERENCES Selection_Templates (template_code)
)
GO
CREATE TABLE Selection_Template_User_Levels
(
     template_code            VARCHAR(20)       NOT NULL,
     user_level               SMALLINT          NOT NULL,
     selection_percentage     DECIMAL(2, 2)     NULL,
     CONSTRAINT PK_Selection_Template_User_Levels PRIMARY KEY CLUSTERED (template_code, user_level),
     CONSTRAINT CK_Selection_Template_User_Levels_selection_percentage CHECK (selection_percentage > 0),
     CONSTRAINT FK_Selection_Template_User_Levels_Selection_Template FOREIGN KEY (template_code) REFERENCES Selection_Templates (template_code)
)

Answer 1

您可以将问题分解为四组随机用户：

美国用户，级别2，选择所需总样本的35％
加拿大用户，级别2，选择所需总样本的15％
美国用户，级别3，选择所需总样本的35％
加拿大用户，级别3，选择所需总样本的15％

如果有第三个标准，请将问题分解为八组。等等。

在两个用户组，美国和加拿大，完全 50％2级和50％3级似乎是假的。因为它应该是随机的，你可能会期望它变化多一点。再加上来自加拿大的3级用户不是很多，占总数的15％呢？

随着标准变得越来越有选择性，你自然会从总样本的随机性中剔除。最终，您可以拥有一长串标准，这样您的用户中只有一个子集可以满足它，然后根本就没有随机性。

重新评论：对，SQL不是解决各种问题的最佳解决方案。使用迭代算法而不是单个基于集合的SQL查询处理问题可能会更好。例如：

选择一个随机行。
如果已在上一次迭代中选择了该行，则将其丢弃。
如果该行有助于保持选择70％美国，30％加拿大，50％2级，50％3级的总样本的速度，请保留它。否则，丢弃它。
如果达到所需的样本数量，请停止。
循环回到第1步。

当然，如果你选择一个有助于平衡70/30％国家比例的行，但会使50/50％的比例失衡，这会变得棘手。你丢弃它了吗？而且，当您只挑选前几行时，您可能还想忽略这些比率。

正如@Hogan评论的那样，这可能是一个无法解决的NP-Complete问题。但是许多这样的问题都有一个解决方案可以给你一个“足够好”的结果，尽管不是一个可证明的最佳结果。

随机选择，同时按多个组的百分比细分

1 个答案: