akoug 发表于 2010-8-14 09:23
现在有如下两个数据集合：
data one：
content      group_id     group_prob_i;
123            1                 0.1
456            1                 0.9
789            2                 0.5
101            2                 0.5
...........................
............................

data two:
group_id         sample_size;
1                     4
2                     5
............................
.............................

data one里的三列是：content 是该次观测的实际内容值，那些123和456就是具体的值； group_id是指这次观测所在的组，1就是组1,2就是组2；group_prob_i是指该次观测值在其所在的组内按其表示的概率被抽到。第一行的0.1就是说，当抽样的时候，123这个值在组1中按照0.1的概率被抽到。

data two里的两列是：group_id还是指组的编号，sample_size是指对该组抽几次样。第一行里 group_id是1，就是针对组1；sample_size是4，就是进行四次抽样。结合data one的要求综合起来说就是：对组1按照data one里的概率进行4次抽样。这里抽样都是有放回的。

不知道各位大牛是否有什么好的办法。

先谢谢啦

akoug 发表于 2010-8-14 23:32
十分感谢jingju11 大牛啊
鞠躬
不过我用iml写了一个用矩阵算的意思差不多的code
敢问在处理大一点的数据上，效率有什么差别么