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 |
|---|---|
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。 |
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
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
| 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。 |
 | 分层采样是保留类别比例的采样方式，先将总体的单位按某种特征分为若干次级总体（层），然后再从每一层内进行单纯随机采样。它能保证总体中每一层都有个体被抽到，这样除了能估计总体的参数值，还可以分别估计各个层内的情况，避免类型丢失。 示例：训练样本中包含0标签和1标签两种样本，如果对其进行随机采样，可能会得到类型都是0样本；而采用分层采样，0标签和1标签分别进行随机采样，保证了不同类型之间采样的比例不会相差太多。 |
| 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。 |
| 通过对少数样本的分析可以合成新的样本，是一种过采样技术。 |
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。 | ||||
加权采样 | 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。 | ||||
SMOTE的参数设置说明请参考数据挖掘-SMOTE
