为了针对小数据集进行优化，我们可以使用更小的位阵列（bit array）和更少的哈希函数，这样可以节省空间并保证误报率不会太高。对于不同的应用场景，可以采用不同的哈希函数，例如MurmurHash3、xxHash等。以下是一个使用MurmurHash3和8位布尔数组实现的简单示例：

import mmh3

class BloomFilter:
    def __init__(self, size, num_hashes):
        self.size = size
        self.num_hashes = num_hashes
        self.bit_array = [False] * size

    def add(self, element):
        for seed in range(self.num_hashes):
            index = mmh3.hash(element, seed) % self.size
            self.bit_array[index] = True

    def __contains__(self, element):
        for seed in range(self.num_hashes):
            index = mmh3.hash(element, seed) % self.size
            if not self.bit_array[index]:
                return False
        return True

在上面的示例中，BloomFilter类接受两个参数：size表示位阵列的大小，num_hashes表示哈希函数的数量。add方法将元素添加到Bloom过滤器中，而__contains__方法检查元素是否存在于过滤器中。可以根据需要调整位阵列的大小和哈希函数的数量来优化空间和误报率。