[发明专利]基于样本的多维数据克隆

说明书

本发明涉及生成包含由多变量群体分布所分布的随机数的数据集的技术。从所述多变量群体的多维随机样本集合中构建一组经验累积分布函数，其中每个经验累积分布函数由随机变量的观察结果构建。从所述多维随机样本集合中采样多个多维样本点，并将所述多个多维样本点分别替换为随机邻居以生成克隆数据。

相关申请案交叉申请

本发明要求于2017年3月30日递交的发明名称为“基于样本的多维数据克隆”的第15/474801号美国非临时专利申请案以及于2018年3月27日递交的发明名称为“基于样本的多维数据克隆”的申请号为PCT/CN2018/080707的国际专利申请的在先申请优先权，该在先申请的内容以引入的方式并入本文中。

技术领域

本发明涉及生成随机数的技术领域。

背景技术

包含大量变量的数据越来越常见，尤其是在足够大的数据集中，这些数据集可以由多台计算设备生成和/或存储。除了处理如此大量的数据所面临的挑战之外，即使以较小的程度增加数据集中的变量数量，也往往至少以指数级增加数据值之间关系的复杂性，并可能导致数据大小呈指数级增加。

在这些具有挑战性的数据集中，有各种形式的统计分析生成的大量随机样本。性能测试对于确保所有行业产品和服务的质量至关重要。可靠的性能测试在很大程度上取决于测试数据是否准确，而所述测试数据并非总是可用于测试目的。因此，如果无法获得这类测试数据，开发人员和制造商将面临为测试产品和服务提供测试数据的挑战。因此，由于所述性能测试数据不可用，测试结果的精度往往不准确或具有误导性。

发明内容

在第在一个实施例中，提供了一种用于生成包含由多变量群体分布所分布的随机数的数据集的计算机实现方法，所述方法包括：从所述多变量群体的多维随机样本集合中构建一组经验累积分布函数，其中每个经验累积分布函数由随机变量的观察结果构建；从所述多维随机样本集合中采样多个多维样本点；将所述多维样本点中的每个多维样本点替换为随机邻居以生成克隆数据。

在根据前述任一实施例的第二实施例中，所述计算机实现的方法还包括：为所述多维随机样本点中的一个或多个多维随机样本点的元素生成所述随机邻居。

在根据前述任一实施例的第三实施例中，为所述一个或多个多维样本点的每个元素生成所述随机邻居包括：按递增次序对所述随机变量的不同观察值进行排序；当所述对应元素是所述观测值的最小值和最大值之间的一个值、所述观测值的所述最小值和所述观测值的所述最大值中的一个时，为所述多维样本点中的任意一个多维样本点的所述元素中的一个对应元素生成所述随机邻居。

在根据前述任一实施例的第四实施例中，为所述对应元素生成所述随机邻居还包括：将所述对应元素的左边界定义为一个或多个最近左邻居的所述最小值；将所述对应元素的右边界定义为一个或多个最近右邻居的所述最大值；生成第一随机数，所述第一随机数在由所述左边界和所述右边界构建的第一区间上均匀分布；搜索相邻两个观察值，以使所述相邻观察值的经验累积分布函数范围覆盖所述第一随机数；由所述两个相邻观察值定义第二区间；当所述对应的随机变量为连续或离散时生成所述随机邻居。

在根据前述任一实施例的第五实施例中，当所述对应的随机变量连续时为所述一个或多个多维随机样本点的所述元素生成所述随机邻居包括：生成在所述第二区间上均匀分布的第二随机数。

在根据前述任一实施例的第六实施例中，当所述对应的随机变量离散时为所述一个或多个多维随机样本点的所述元素生成所述随机邻居包括：将第二随机数定义为所述第二区间的所述右边界。

在根据前述任一实施例的第七实施例中，当所述对应的随机变量连续时为所述一个或多个多维随机样本点的所述元素生成所述随机邻居，而所述随机邻居是所述观察值的所述最小值，包括：生成在第三区间上从所述观察值的所述最小值到另一个值均匀分布的第二随机数。