在Matlab中随机选择大量样本的子集

Question

我想从大量的N个样本中创建n个样本的一个子集，我通常在Matlab中使用randperm函数，并取前n个索引。但是，由于数据可能非常大，randperm会给我提供的内存不足的错误消息。

我想提出一些建议，如何在Matlab中不使用randperm函数的情况下从大量数据集中选择一个小子集。

谢谢。

Answer 1

如果n比N小得多，一个rejection method是有效的：产生使用randi可能重复采样，检查是否有重复（这不太可能），如果这样重复：

N = 10000; 
n = 100; 
repeat = true; 
while repeat 
    sample = randi(N,1,n); 
    repeat = any(sum(bsxfun(@eq, sample, sample.'))>1); 
end 

Answer 2

您可以尝试使用单（）减半命令datasize：

http://www.mathworks.de/help/matlab/ref/single.html

Answer 3

randi给出均匀分布的数字，

Ind = randi(N,[n 1]); 
Observation = data(Ind); 

你也使用datasample，

Observation = datasample(data,n,'Replace',false)); 

As @Shai提及d，另一种选择是randsample，

Observation = data(randsample(N,n));