数据压缩——指数分布的机器学习答案

【问题标题】：data compression - machine learning for exponential distribution数据压缩——指数分布的机器学习
【发布时间】：2011-06-09 07:11:42
【问题描述】：

是否有任何机器学习算法、预测模型可以帮助我压缩指数分布的数据？我已经使用 golomb 代码对文件进行了编码，这无疑节省了大量空间，但这还不够——我需要压缩。 PAQ8L 压缩得不够。

如果需要，请索取文件。

指数分布 --

{a,b,b,a,a,b,c,c,a,a,b,a,a,b,a,c,b,a,b,d}

【问题讨论】：

哈夫曼编码的变种可能吗？
"PAQ8L 压缩得不够。"你的期望是什么？数据的大小是多少，什么样的压缩比才算“够用”？您的期望可能太高，因为“无法达到”。也许您可以尝试 cmix（您需要大量内存）：byronknoll.com/cmix.html.

【解决方案1】：

正如其他帖子中提到的，PAQ* 算法使用上下文混合算法。这意味着，您对数据的了解不仅仅是“指数分布”。如果只知道数据的指数分布，我认为 Golomb 代码仍然是最优的。

【讨论】：

【解决方案2】：

我认为这在理论上是不可能的。 Golomb code 已经是几何分布数据的最佳选择。

【讨论】：