采样就是按照某种规则从数据集中挑选样本数据。

在Smartbi中支持四种类型的采样：随机采样、加权采样、分层采样、下采样。

概述




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。

加权采样

权重列

选择用于加权的列。

权重列必须为数字类型的字段。


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，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，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。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

  • 按个数：表示按照需要采样样本的数量值进行抽取，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，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。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分类的列。
设置各类别的采样方式类别值

输入需要采样的目标列的类别值。

可通过聚合节点（已选字段选择目标列，操作选择Group）查看目标列具体有哪些类别值，详情请查看 数据挖掘-聚合。


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，范围为大于等于0的整数。
  • 按比例：表示按照采样样本占总体的比例进行抽取，范围为0-1之间的数值。
采样值/采样比例
  • 采样值：采样方式选择按个数，需要输入采样的值。
  • 采样比例：采样方式选择按比例，需要输入采样的比例。
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。