统计学 > 计算
[提交于 2025年7月14日
(v1)
,最后修订 2025年7月17日 (此版本, v2)]
标题: 基于采样的Jaccard包含和相似度估计
标题: Sampling-Based Estimation of Jaccard Containment and Similarity
摘要: 本文解决了仅使用每个集合的随机样本估计两个集合之间的包含关系和相似性的难题,而无需依赖草图或完整数据访问。 该研究引入了一个二项式模型来预测样本之间的重叠,证明当样本量相对于原始集合较小时,该模型既准确又实用。 本文将该模型与之前的方法进行了比较,并展示了在所考虑的条件下它能提供更好的估计。 它还分析了估计量的统计特性,包括误差界限以及达到所需精度和置信水平所需的数据量。 该框架被扩展用于估计集合相似性,并且本文提供了在仅可用部分或采样数据的大规模数据系统中应用这些方法的指导。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.