algoritmo veloce per ripetute calcolo del percentile?
-
03-10-2019 - |
Domanda
In un algoritmo devo calcolare la 75 ° percentile di un insieme di dati ogni volta aggiungo un valore. In questo momento sto facendo questo:
- Ottieni valore
x
- Inserisci
x
in un array già ordinato sul retro - di swap
x
verso il basso fino a quando l'array è ordinato - Leggi l'elemento in posizione di
array[array.size * 3/4]
Il punto 3 è O (n), e il resto è O (1), ma questo è ancora piuttosto lento, soprattutto se la matrice diventa più grande. Esiste un modo per ottimizzare questo?
Aggiorna
Grazie Nikita! Dal momento che sto usando C ++ questa è la soluzione più semplice da implementare. Ecco il codice:
template<class T>
class IterativePercentile {
public:
/// Percentile has to be in range [0, 1(
IterativePercentile(double percentile)
: _percentile(percentile)
{ }
// Adds a number in O(log(n))
void add(const T& x) {
if (_lower.empty() || x <= _lower.front()) {
_lower.push_back(x);
std::push_heap(_lower.begin(), _lower.end(), std::less<T>());
} else {
_upper.push_back(x);
std::push_heap(_upper.begin(), _upper.end(), std::greater<T>());
}
unsigned size_lower = (unsigned)((_lower.size() + _upper.size()) * _percentile) + 1;
if (_lower.size() > size_lower) {
// lower to upper
std::pop_heap(_lower.begin(), _lower.end(), std::less<T>());
_upper.push_back(_lower.back());
std::push_heap(_upper.begin(), _upper.end(), std::greater<T>());
_lower.pop_back();
} else if (_lower.size() < size_lower) {
// upper to lower
std::pop_heap(_upper.begin(), _upper.end(), std::greater<T>());
_lower.push_back(_upper.back());
std::push_heap(_lower.begin(), _lower.end(), std::less<T>());
_upper.pop_back();
}
}
/// Access the percentile in O(1)
const T& get() const {
return _lower.front();
}
void clear() {
_lower.clear();
_upper.clear();
}
private:
double _percentile;
std::vector<T> _lower;
std::vector<T> _upper;
};
Soluzione
Si può farlo con due cumuli . Non so se c'è una soluzione meno 'artificiosa', ma questo fornisce O(logn)
volta complessità e cumuli sono inclusi anche in librerie standard della maggior parte dei linguaggi di programmazione.
Per prima mucchio (heap A) contiene più piccoli elementi il ??75%, un altro mucchio (heap B) - il resto (il più grande del 25%). In primo luogo si ha il più grande elemento in alto, secondo -. Più piccolo
- elemento calcolata.
Vedere se nuovo elemento x
è <= max(A)
. Se lo è, aggiungerlo al A
mucchio, altrimenti - a B
mucchio
.
Ora, se abbiamo aggiunto x
al mucchio A e 'diventato troppo grande (detiene oltre il 75% di elementi), abbiamo bisogno di rimuovere il più grande elemento da A
(O (log n)) e aggiungerlo al mucchio B (anche O (log n) ).
Simile se mucchio B è diventato troppo grande.
- Ricerca "0.75 mediana"
Basta prendere l'elemento più grande da A (o più piccolo da B). Richiede O (log n) o O (1) tempo, a seconda implementazione mucchio.
modifica
Come Dolphin notato, abbiamo bisogno di specificare con precisione quanto grande ogni heap dovrebbe essere per ogni n (se vogliamo risposta precisa). Per esempio, se size(A) = floor(n * 0.75)
e size(B)
è il resto, poi, per ogni n > 0
, array[array.size * 3/4] = min(B)
.
Altri suggerimenti
Un semplice Order Statistiche Albero è sufficiente per questo .
Una versione equilibrata di questo albero supporti O (log n) tempo di inserimento / cancellazione e di accesso da Rank. Quindi non solo ottenere il percentile 75%, ma anche il 66% o il 50% o qualunque cosa avete bisogno, senza dover modificare il codice.
Se si accede al 75% percentile di frequente, ma solo inserto meno frequentemente, si può sempre memorizzare nella cache il 75% percentile elemento nel corso di una / operazione di eliminazione di inserimento.
La maggior parte delle implementazioni standard (come TreeMap di Java) sono alberi ordine statistici.
È possibile usare la ricerca binaria per fare trovare la posizione corretta in O (log n). Tuttavia, spostando la matrice up è ancora O (n).
Ecco una soluzione Javascript. Copia-incolla in console del browser e funziona. $scores
contiene l'elenco dei punteggi e, $percentile
gives la n-th percentile
della lista. percentile Quindi 75 ° è 76,8 e il 99 percentile è 87,9.
function get_percentile($percentile, $array) {
$array = $array.sort();
$index = ($percentile/100) * $array.length;
if (Math.floor($index) === $index) {
$result = ($array[$index-1] + $array[$index])/2;
}
else {
$result = $array[Math.floor($index)];
}
return $result;
}
$scores = [22.3, 32.4, 12.1, 54.6, 76.8, 87.3, 54.6, 45.5, 87.9];
get_percentile(75, $scores);
get_percentile(90, $scores);
Se si dispone di un insieme noto di valori, in seguito sarà molto veloce:
Crea una vasta gamma di numeri interi (byte anche il lavoro volontà) con il numero di elementi uguali a valore massimo dei dati. Ad esempio, se il valore massimo di t è 100.000 creare un array
int[] index = new int[100000]; // 400kb
Ora iterate sull'intero insieme di valori, come
for each (int t : set_of_values) {
index[t]++;
}
// You can do a try catch on ArrayOutOfBounds just in case :)
Ora percentile calcolare come
int sum = 0, i = 0;
while (sum < 0.9*set_of_values.length) {
sum += index[i++];
}
return i;
Si può anche considerare l'utilizzo di un TreeMap invece di array, se i valori non confermano a tali limitazioni.