algorithm - 按规则生成子集

Question

假设我们在数据库中有 5000 个用户。用户行有性别列、出生地列和状态(已婚或未婚)列。

如何生成满足这些条件的随机子集(假设有 100 个用户):

• 40% 应该是男性，60% 应该是女性
• 50% 应出生在美国，20% 出生在英国，20% 出生在加拿大，10% 出生在澳大利亚
• 70% 应该结婚，30% 没有。

这些条件是独立的，也就是说我们不能这样做:

• (0.4 * 0.5 * 0.7) * 100 = 14 位男性用户，出生在美国并已婚
• (0.4 * 0.5 * 0.3) * 100 = 6 位男性用户，出生在美国且未婚。

这一代有算法吗？

Answer 1

分割需要准确还是近似？通常，如果您要生成这样的样本，那么您就是在进行一些统计研究，因此生成一个近似样本就足够了。

方法如下:

有一个函数 genRandomIndividual()。

每次生成个体，使用随机函数选择性别-男性概率为40%

再次使用随机函数选择出生地(只在0-1区间生成一个实数，如果落在0-.5，就选择USA，如果是.5-.7，那么选择&K，如果是.7-.9然后是加拿大，否则是澳大利亚)。

使用随机函数选择已婚状态(再次在 0-1 中生成，如果 0-.7 则已婚，否则不是)。

一旦你有了一组特征，就在数据库中搜索第一个满足这些特征的个体，将它们添加到你的样本中，并将其标记为已添加到数据库中。继续这样做，直到您达到样本量为止。

可能没有满足特征的个体。然后，只生成一个新的随机个体。由于世代是独立的并根据所需的概率生成特征，因此最终您将拥有正确大小的样本量，其中个体根据指定的概率随机生成。