R语言模拟无法匹配ground_truth的原因咨询

你运行的模拟代码如下：

ground_truth <- c("coke", "zero", "light", "zero")
options <- c("zero", "coke", "light")
random_guess<- lapply(1:10000, function(x){
  first <- sample(options, 1)
  rest <- sample(options, 3)
  return(c(first, rest))
})
final_res <- lapply(random_guess, function(k) {
    sum(k == ground_truth)
}) %>% unlist()
table(final_res)

你发现原代码永远无法得到与ground_truth完全匹配的结果，但修改拼接方式后却可以，原因如下：

原代码失败的核心原因 #

• rest <- sample(options, 3)是无放回抽样：因为options只有3个元素，抽取3个必然会把所有元素取一遍，所以rest的三个元素一定是zero、coke、light各一个，没有重复值。
• 拼接后的猜测向量c(first, rest)结构是：第一个元素是单个选项，后三个是无重复的三个选项。这意味着整个4元素向量里，任何选项最多只会出现一次（要么first是某值，后面三个没有；要么first不是，后面三个里有一次）。
• 但你的ground_truth里zero出现了两次，原代码生成的向量永远不可能有重复元素出现两次，自然完全匹配的情况永远不会发生。

修改后能匹配的原因 #

• 改成c(rest, first)时：rest是三个不重复的选项，加上first后，first可能和rest里的某个值重复（比如rest包含zero，同时first也抽到zero），这样向量里就会出现两次zero，满足ground_truth的重复要求，就有机会完全匹配。
• 改成sample(c(first, rest))时：本质是把拼接后的4个元素打乱顺序，同样可能出现重复值（当first和rest元素重复时），因此也能偶尔匹配成功。

内容的提问来源于stack exchange，提问作者nhaus