例如，我们想要计算列表很长的数字列表的平均值。并且排序后的数字几乎是线性的(或者我们可以找到数据的线性回归模型)。从数学上讲，我们可以通过
((arr[0] + arr[length(arr)]) / 2 ) + intercept
或者在这种情况下，线性模型几乎是常数(斜率系数接近 1)。我们可以大概计算一下:
mean(arr[n/const]) = mean(arr)
这两种情况应用相同的概念。非常基本。 有没有一种方法:模式、函数(希望在 python 中)，或任何可以提供建议和帮助的研究，我们将不胜感激；当然，如果存在这样的模式应该是通用的，而不仅仅是平均情况(可能是任何功能 或至少聚合函数，如:sum、mean ...)。 (由于我没有很强的数学背景，而且我是机器学习的新手，请原谅我的无知)。 如果有任何不清楚的地方，请告诉我。
请您参考如下方法:
Law of Large Numbers指出随着样本量的增加，观察样本的平均值以概率 1 收敛到真实总体平均值。
因此，如果您的假设数组太大而无法平均，您至少可以对一个大样本取平均值，并知道您接近真实的总体均值。
您可以使用 numpy.random.choice(arr,n) 从 numpy 数组中采样其中 arr 是您的数组，n 是您希望(或能够)采样的尽可能多的元素。
