随机采样
Wiki 标记 |
---|
{html}<div style="border-bottom: 0.5px solid #dfe1e5;color:#2D5C8C;padding-bottom: 0.5px;font-size: 24px; height: 5px;"> </div>{html} |
说明
按照随机的原则,从总体数据中随机地抽取部分数据。
输入类型 | 说明 |
---|---|
按照随机的原则,从总体数据中随机地抽取部分数据,保证总体样本中每一个样本都有已知的、非零的概率被选入为研究对象,以保证样本的代表性。 | |
以加权方式生成采样数据。先从总体中,选择用于加权的列,然后按照该列值的大小进行采样,权重值越大,抽取的概率越大。 | |
数据集分层抽取一定比例或者一定数据的随机样本:先从总体中选择用于分层的列,将总体分成不同的部分,再对每部分进行随机采样。 | |
分类时,由于训练集中各类别样本数量不均衡,导致模型在测试集上的泛化性不好;下采样通过移除数据量较多类别的部分数据,使样本达到均衡。 |
输入/输出
输入 |
---|
只有一个输入端口,用于接收数据集。 |
输出 |
---|
只有一个输出端口,用于输出采样结果。 |
参数配置
随机采样、加权采样、分层采样、下采样的参数设置说明如下:
类型 | 参数 | 说明 | |
---|---|---|---|
随机采样 | 抽样比例 |
表示样本占总体的比例,范围是[0,1]的数,默认值为0.5。 | |
抽样种子 |
作为随机序列的第一个数字,默认值为10。
设定抽样种子,可以使随机结果固定,即运行结果在多次运行中保持不变。参数
说明
分层列
选择用于分层的列(能使数据有较大差异的列)。
采样方式值
- 按个数:表示按照需要采样样本的数量值进行抽取,值的范围为大于等于1的整数;
- 按比例:表示按照采样样本占总体的比例进行抽取,值的范围为0-1之间的数值;
随机种子
作为随机序列的第一个数字,默认值为10。设定抽样种子,可以使随机结果固定,即运行结果在多次运行中保持不变。 | |
加权采样 |
Wiki 标记 |
---|
{html}<div style="border-bottom: 0.5px solid #dfe1e5;color:#2D5C8C;padding-bottom: 0.5px;font-size: 24px; height: 5px;"> </div>{html} |
说明
以加权方式生成采样数据,权重值越大,数据被抽取的概率越大。权重值:选择用于加权的列的值大小。(权重列必须为数字类型的字段)
输入/输出
输入 | 只有一个输入端口,用于接收数据集。(总体) |
---|---|
输出 | 只有一个输出端口,用于输出采样结果。(样本) |
参数配置
参数 | 说明 |
---|---|
权重列 | 选择用于加权的列。 |
采样方式值 |
|
分层采样
Wiki 标记 |
---|
{html}<div style="border-bottom: 0.5px solid #dfe1e5;color:#2D5C8C;padding-bottom: 0.5px;font-size: 24px; height: 5px;"> </div>{html} |
说明
按照分层列先将数据分成若干个类别,再按一定比例或个数随机抽取数据。分层列:选择用于分层的列。
输入/输出
输入 | 只有一个输入端口,用于接收数据集。(总体) |
---|---|
输出 | 只有一个输出端口,用于输出采样结果。(样本) |
参数配置
权重列 | 选择用于加权的列。
| |||
采样方式值 |
| |||
随机种子 | 作为随机序列的第一个数字。设定抽样种子,可以使随机结果固定,即运行结果在多次运行中保持不变。范围是任意整数。 | |||
分层采样 | 分层列 | 选择用于分层的列(能使数据有较大差异的列)。 | ||
采样方式值 |
| |||
随机种子 | 作为随机序列的第一个数字。设定抽样种子,可以使随机结果固定,即运行结果在多次运行中保持不变。 | |||
下采样 | 采样目标列 | 选择需要采样的列。 | ||
设置各类别的采样方式 | 类别值 | |||
采样方式值 |
| |||
采样值/采样比例 |
| |||
添加 | 添加一条分类,可满足对多个类别值的采样。 | |||
编辑 | 修改采样方式、采样值/采样比例。 | |||
删除 | 删除此条分类。 | |||
随机种子 | 作为随机序列的第一个数字。设定抽样种子,可以使随机结果固定,即运行结果在多次运行中保持不变。范围是任意整数。 |