数据抽样

组件介绍

“数据抽样”（Data Sampler） 控件实现了多种采样方法对输入数据集进行抽样。

“数据抽样”（Data Sampler） 控件提供了固定比例抽样，固定样本大小抽样，交叉验证抽样和自助式抽样四种抽样方式，该控件方便用户把一个数据拆分为两个集合（抽样数据及剩余数据），拆分后的数据其中一个可用于模型训练即作为训练集，另一个可作为测试集使用。

---

• 输入：
  • data：数据集
• 输出：
  • smp：抽样后的数据集
  • rmn：来自输入数据集的所有其他数据（不包含抽样后的数据）

---

页面介绍

点击 “数据抽样”（Data Sampler） 控件查看参数配置页面，如下图所示：

参数选项

选项	说明	取值范围	样例值
抽样类型	固定比例：采样的数据集大小为整个数据集大小乘以设定的百分比 固定样本大小：采样的数据集大小为设定的数量（每次采样总是基于整个数据集进行采样，不会减去已经采样处的子集中的实例） 交叉验证：将数据数据集分区为互补子集，用户可以在其中选择样本集折数进行数据采样 自助式抽样法	固定比例：   比例大小：1 ~ 99 固定样本大小：   样本大小：1 ~ 1000   是否有放回抽样 交叉验证   样本折数：1 ~ 1000   测试集折数：1 ~ 样本折数 自助式抽样	固定比例：   比例大小：10
其它选项	根据需求选择是否可重复抽样以及分层抽样	勾选/不勾选	不勾选

使用案例

在下图所示的案例中，使用 “加载文件”（File） 控件加载数据，通过 “数据信息”（Data Info） 控件查看加载数据的信息，同时使用 “数据抽样”（Data Sampler） 控件进行数据采样，之后通过 “查看数据”（Data Table） 控件查看处理后的数据集。

在案例中加载 titanic 数据集，使用了固定比例的采样方式进行数据采样，采样比例设定为20%。案例中控件的配置以及执行结果如下图所示。