L'algorithme de Flajolet et MartinRéférence pour le nom : . est un algorithme donnant une estimation du nombre d'éléments distincts dans un flot, en une seule passe et avec une complexité logarithmique en mémoire, proportionnelle au nombre maximum d'éléments distincts. Cet algorithme a été inventé en 1984 par Philippe Flajolet and G. Nigel Martin, puis amélioré par Marianne Durand et Philippe Flajolet. C'est un algorithme de fouille de flots de données (streaming).
En 2010, Daniel M. Kane, Jelani Nelson et David P. Woodruff ont proposé un algorithme avec une complexité spatiale presque optimale et un coût de modification en O(1).
L'algorithme L'algorithme nécessite une fonction de hashage , associant à une entrée un entier dans , dont les images sont uniformément réparties. L'ensemble des entiers de 0 à correspond en fait à l'ensemble des chaînes binaires de longueur .
Étant donné un entier positif , on note le -ème bit dans la représentation binaire de , de sorte que :
On définit ensuite une fonction qui associe à y la position du bit de poids faible dans sa représentation binaire :
avec . Par exemple, car le premier bit est non nul, alors que avec le bit de poids faible en troisième position. Étant donné que les images de la fonction de hashage sont uniformément réparties, la probabilité d'observer un nombre finissant par (un 1 suivi de zéros) est et correspond à tirer piles suivi d'un face en lançant une pièce de monnaie équilibrée.
Description de l'algorithme
Commentaires
Avec le nombre d'éléments distincts de , alors est accédé environ fois, accédé fois, etc. Ainsi, si , vaut certainement 0, de même que si , vaut certainement 1. Si alors vaut soit 1 soit 0.
Les calculs pour obtenir le facteur de correction sont détaillés dans l'article de Flajolet et Martin.
Voir aussi HyperLogLog Count sketch Filtre de Bloom
Références
Liens externes
Catégorie:Algorithme Catégorie:Algorithme d'exploration de données