как выбрать номер по весу

скажем, у меня есть объект:

$person->name = array('James',
                      'Sam',
                      'Kevin',
                      'Mike');
$person->weight = array(1,
                        3,
                        1,
                        7);

В приведенном выше примере James имеет вес 1, Sam имеет вес 3 и т. д. (в зависимости от местоположения индекса)

Я хочу иметь возможность повторять имя только одного человека. Чем выше вес, тем больше шансов, что ваше имя будет выбрано. Чем ниже вес, тем меньше шансов, что ваше имя будет выбрано. Вроде как лотерея, но с весами. Любая идея о том, как это сделать?

php random

01.06.2012

Создайте массив и поместите в него имена * вес. Так, например, Джеймс 1 раз, Сэм 3 раза. Затем вы можете выбрать случайный элемент. 02.06.2012

Ответы:

Это должно работать:

$weighted = array();
foreach($person->weight as $key => $value) {
    $weighted = array_merge($weighted, array_fill(0, $value, $key));
}
$index = array_rand($weighted);
echo $person->name[$index];

На основе этого ответа.

01.06.2012

Создайте новый массив, добавьте имя Сэма в массив 3 раза, микрофон 7 раз, остальные один раз и выберите одно наугад.

01.06.2012

Возможно, для экономии места добавьте индекс имени в массив 02.06.2012

Простое решение, никогда не думал об этом. @Galen спасибо за совет :) 02.06.2012

Вы также можете суммировать все веса и сгенерировать случайное число между единицей и этой суммой. Затем вы можете перебирать массив весов, суммируя их, пока результат не станет >= случайным числом, и взять этого человека. Может чуть быстрее.

01.06.2012

Новые материалы

Объяснение документов 02: BERT

BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

Как проанализировать работу вашего классификатора?

Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)

Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]

Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter

Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js

Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!

Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..

Метки

Machine Learning JavaScript Data Science Artificial Intelligence Software Development Python Web Development Coding Deep Learning AI React Software Engineering Nodejs Java Front End Development Typescript Computer Science Data Algorithms Development NLP Tech Programming Languages CSS ChatGPT HTML Python Programming Javascript Tips Angular Computer Vision Startup Data Visualization Neural Networks Tutorial Statistics Productivity Reactjs Learning