要擴展@Ilmari Karonen的解決方案,您要做的是計算每個直方圖的權重,然後根據這些權重進行採樣。在我看來,考慮到您的目標,最有效的方法是使用linear program。
設D_ij爲第i項直方圖中第j個bin的權重。那麼如果每個項目都用權重w_i進行加權,則「總和直方圖」將具有權重總和(項目中的i)w_i D_ij。一個辦法讓你「近似均勻」分佈將最大限度地降低箱的最大差異,所以我們將解決以下LP:
minimize z
subject to (for all j, k)
z >= (sum i in items) w_i D_ij - (sum i in items) w_i D_ik
z >= (sum i in items) w_i D_ik - (sum i in items) w_i D_ij
以上基本上是說這種差異在所有加權對z >=
絕對值的箱子。要解決這個LP,你將需要一個單獨的包,因爲numpy不包含LP解算器。有關使用cplex
或this gist的解決方案,請參閱this gist以瞭解使用cvxpy
的解決方案。請注意,您將需要對權重設置一些限制(例如,每個權重大於或等於0),正如這些解決方案所做的那樣。其他用於GLPK的Python綁定(GNU線性編程工具包)可以在這裏找到:http://en.wikibooks.org/wiki/GLPK/Python。
最後你只是從直方圖i
採樣,重量w_i
。這可以通過使用cumsum
和searchsorted
來適應輪盤賭選擇,如由@Ilmari Karonen所建議的,參見this gist。
如果你想要得到的加權分佈「儘可能的一致」,我會解決一個類似的權重問題,但是最大化加權和的加權總和。雖然可以使用任何數量的非線性求解器(如BFGS或基於梯度的方法),但這個問題似乎是非線性的。這可能會比LP方法慢一點,但這取決於您在應用程序中需要什麼。如果有大量直方圖,LP方法會非常接近非線性方法,因爲它很容易達到均勻分佈。
當使用LP解決方案時,一束直方圖權重可能綁定到0,因爲約束的數量很小,但這對於非平凡的bin數不會有問題,因爲約束的數量是爲O(n^2)。
50個直方圖實例權重和10個箱:
[0.006123642775837011, 0.08591660144140816, 0.0, 0.0, 0.0, 0.0, 0.03407525280610657, 0.0, 0.0, 0.0, 0.07092537493489116, 0.0, 0.0, 0.023926802333318554, 0.0, 0.03941537854267549, 0.0, 0.0, 0.0, 0.0, 0.10937063438351756, 0.08715770469631079, 0.0, 0.05841899435928017, 0.016328676622408153, 0.002218517959171183, 0.0, 0.0, 0.0, 0.08186919626269101, 0.03173286609277701, 0.08737065271898292, 0.0, 0.0, 0.041505225727435785, 0.05033635148761689, 0.0, 0.09172214842175723, 0.027548495513552738, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0259929997624099, 0.0, 0.0, 0.028044483157851748, 0.0, 0.0, 0.0]
隨着50直方圖每50個箱,現在很少零個值:
[0.0219136051655165, 0.0, 0.028325808078797768, 0.0, 0.040889043180965624, 0.04372501089775975, 0.0, 0.031032870504105477, 0.020745831040881676, 0.04794861828714149, 0.0, 0.03763592540998652, 0.0029093177405377577, 0.0034239051136138398, 0.0, 0.03079554151573207, 0.0, 0.04676278554085836, 0.0461258666541918, 9.639105313353352e-05, 0.0, 0.013649362063473166, 0.059168272186891635, 0.06703936360466661, 0.0, 0.0, 0.03175895249795131, 0.0, 0.0, 0.04376133487616099, 0.02406633433758186, 0.009724226721798858, 0.05058252335384487, 0.0, 0.0393763638188805, 0.05287112817101315, 0.0, 0.0, 0.06365320629437914, 0.0, 0.024978299494456246, 0.023531082497830605, 0.033406648550332804, 0.012693750980220679, 0.00274892002684083, 0.0, 0.0, 0.0, 0.0, 0.04465971034045478, 4.888224154453002]
順便說一句,我想的項目樣本是圖像塊,直方圖是手動分割圖像的標籤直方圖。 – CvW 2013-02-09 21:44:30
你可以做的是首先選擇你的物品的重量,以使加權總和(大致)一致,然後對這些物品進行加權抽樣。第一部分是多變量優化問題,第二部分是相對直接的,例如,使用'cumsum()'來計算CDF和'searchsorted()'來對它進行採樣。 – 2013-02-11 14:30:42