Apache Commons Math 2.2 百分位数错误？

Question

我不能 100% 确定这是一个错误还是我没有做正确的事情，但是如果您向 Percentile 提供大量与相同值一致的数据（请参见下面的代码），则评估方法需要很长时间。如果您给出百分位数，则评估随机值所需的时间会大大缩短。

如下所述，中位数是百分位数的子类。

百分位 java 文档

private void testOne(){
  int size = 200000;
  int sameValue = 100;
  List<Double> list = new ArrayList<Double>();

  for (int i = 0; i < size; i++)
  {
    list.add((double)sameValue);
  }
  Median m = new Median();
  m.setData(ArrayUtils.toPrimitive(list.toArray(new Double[0])));

  long start = System.currentTimeMillis();
  System.out.println("Start:"+ start);

  double result = m.evaluate();

  System.out.println("Result:" + result);
  System.out.println("Time:"+ (System.currentTimeMillis()- start));
}


private void testTwo(){
  int size = 200000;
  List<Double> list = new ArrayList<Double>();

  Random r = new Random();

  for (int i = 0; i < size; i++)
  {
    list.add(r.nextDouble() * 100.0);
  }
  Median m = new Median();
  m.setData(ArrayUtils.toPrimitive(list.toArray(new Double[0])));

  long start = System.currentTimeMillis();
  System.out.println("Start:"+ start);

  double result = m.evaluate();

  System.out.println("Result:" + result);
  System.out.println("Time:"+ (System.currentTimeMillis()- start));
}

Answer 1

这是版本 2.0 和 2.1 之间的已知问题，已修复版本 3.1。

2.0 版本确实涉及对数据进行排序，但在 2.1 中，他们似乎已切换到选择算法 。但是，其实现中的一个错误导致具有大量相同值的数据出现一些不良行为。基本上他们使用 >= 和 <= 而不是 >和<。

Answer 2

众所周知，某些算法对于某些数据集可能表现出较慢的性能。实际上可以通过在执行操作之前随机化数据集来提高性能。

由于百分位数可能涉及对数据进行排序，因此我猜测您的“错误”实际上并不是代码中的缺陷，而是性能较慢的数据集之一的表现。