Какие алгоритмы существуют для поиска и выбора случайных элементов в больших наборах данных?

Некоторые алгоритмы для поиска и выбора случайных элементов в больших наборах данных:

• Простой случайный сэмплинг (Simple Random Sampling, SRS). loginom.ru В этом методе каждый объект генеральной совокупности имеет равную вероятность быть отобранным в выборку. loginom.ru Объекты выбираются из основы выборки произвольным образом и независимо друг от друга. loginom.ru
• Резервуарный алгоритм (reservoir sampling, R-sampling). loginom.ru Используется для формирования простой случайной выборки без замены из k элементов совокупности неизвестного размера N за один проход. loginom.ru Преимущество алгоритма в том, что не требуется знать размер совокупности, он всегда использует один и тот же объём памяти. loginom.ru Недостаток — алгоритм работает достаточно медленно. loginom.ru
• Стратифицированный сэмплинг (Stratified sampling). loginom.ru neerc.ifmo.ru В этом типе техники выбирают из определённой группы объектов из всей выборки. neerc.ifmo.ru Из каждой группы извлекается одинаковое количество объектов, хотя группы имеют разные размеры. neerc.ifmo.ru
• Сэмплирование с заменой (sampling with replacement). neerc.ifmo.ru Здесь элемент, который выбирается первым, не должен влиять на вторую или любую другую выборку. neerc.ifmo.ru Выборка с заменой может сказать, что чаще встречается в данных. neerc.ifmo.ru
• Сэмплирование без замены (sampling without replacement). neerc.ifmo.ru Здесь то, что выбирают первым, повлияет на второе. neerc.ifmo.ru Выборка без замены полезна, если набор данных мал. neerc.ifmo.ru