从指定样本量的组中进行简单随机抽样
简单随机抽样是一种抽样方法，用于从指定样本量的组中随机选择样本。它的目的是确保每个样本有相等的机会被选中，从而代表整个总体。
简单随机抽样的步骤如下：
- 确定总体：确定要进行抽样的总体，例如一批产品、一群人等。
- 确定样本量：根据需要确定要抽取的样本数量。
- 编制抽样框架：建立一个包含总体中所有个体的清单或框架。
- 随机选择样本：使用随机数生成器或其他随机选择方法，从抽样框架中随机选择样本。
- 收集数据：对选定的样本进行观察、测量或调查，收集所需的数据。
- 分析数据：对收集到的数据进行统计分析，得出结论或推断总体特征。
简单随机抽样的优势包括：
- 代表性：每个样本都有相等的机会被选中，能够代表整个总体。
- 简便性：抽样过程相对简单，易于操作和实施。
- 可靠性：通过统计分析，可以对总体进行推断，得出较为可靠的结论。
简单随机抽样的应用场景包括：
- 市场调研：从目标人群中进行抽样，了解他们的需求、偏好等。
- 质量控制：从生产批次中进行抽样，检验产品的质量。
- 社会调查：从人口普查数据中进行抽样，了解社会现象和趋势。
腾讯云相关产品和产品介绍链接地址：
- 云服务器（CVM）：提供弹性计算能力，支持多种操作系统和应用场景。详细信息请参考：https://cloud.tencent.com/product/cvm
- 云数据库 MySQL 版（CDB）：提供稳定可靠的云数据库服务，支持高可用、备份恢复等功能。详细信息请参考：https://cloud.tencent.com/product/cdb
- 云存储（COS）：提供安全可靠的对象存储服务，适用于图片、视频、文档等各类数据存储需求。详细信息请参考：https://cloud.tencent.com/product/cos
- 人工智能平台（AI Lab）：提供丰富的人工智能服务和开发工具，包括图像识别、语音识别、自然语言处理等。详细信息请参考：https://cloud.tencent.com/product/ailab
请注意，以上仅为腾讯云的部分产品示例，其他云计算品牌商也提供类似的产品和服务。
相关·内容
目标:从整个数据集(允许/不允许重复)中抽取50个观测结果
我不理解以下脚本的nObs用法
如何确定是否允许重复？
数据样本；do i=1至50；slice = int( nobs *ranuni(123456))；设置sashelp.cars point=slice nObs= nObs；结束；停止；运行；
浏览 1提问于2015-08-26得票数 1
回答已采纳
假设我有一个名为population的表，其中有1000行，如下所示： ? 我有另一个名为proportions的表，它包含了我想要提取的不同Group_Name的所需比例： ? 我想从population表中随机抽样100行，其中样本中Group_Name的比例与proportions表中Proportion字段的比例一致。因此，在100行样本中，50行应该是A组，30行应该是B组，20行应该是C组。我可以手动采样如下所示： CREATE EXTENSION tsm_system_rows;
SELECT * FROM population TABLESAMPLE SYST
浏览 21提问于2020-08-29得票数 0
回答已采纳
对于R中数的向量m(长度N)，我们可以写
rnorm(N, mean = m, sd = 1)
这将给出一个长度为N的向量，其中每个元素都是一个正态分布的样本，集中在m的不同元素上。我的问题是，对于numpy，能很容易地做到同样的吗？据我所知，numpy.random.normal()要求所有元素的loc都是相同的。问题是，我想要一个具有不同方法的随机向量。
此外，在编写这篇文章时，从标准正态分布中抽取样本并转换该样本是否有效？那就容易多了。
浏览 1提问于2020-10-21得票数 0
回答已采纳
1回答
可重复随机抽样SQL
、、、、
我需要回顾一下我的解决方案，从存储在MPP机器上的表中抽取100个随机行(现在是Netezza，稍后可能是hadoop/等等)。
我对使用Netezza的rand()不感兴趣，因为我希望以后能够复制相同的示例，而且我也不指望setseed()。
我现在使用的解决方案是：
SELECT * FROM MY_TABLE ORDER BY ID % 371, ID % 17, ID % 501, ID LIMIT 100
其中3个数字是我自己的RNG生成的素数。我在正确的轨道上吗？这个“随机”样本够随机的吗？
注意:我不需要它是一个加密强随机样本，我只是想确保每次都选择不同的样本，并且采样是一致的，
浏览 5提问于2011-02-01得票数 1
回答已采纳
2回答
我在网上发现了这个问题。有谁能详细解释一下，为什么使用OLS更好？难道只是因为样本数量不够吗？另外，为什么不使用所有的1000个样本来估计先前的分布呢？
我们有1000个随机抽样的数据点。目的是试图从k个回归变量中建立一个只有一个响应变量的回归模型。1. (贝叶斯回归)利用前500个样本来估计假设的先验分布的参数，然后用最后500个样本对后验分布的先验进行更新，在最后的回归模型中使用后验估计。2. (OLS回归)对所有1000个回归变量使用一个简单的普通最小二乘回归模型。
浏览 3提问于2017-06-04得票数 2
我正在使用EnvStats包，更具体地说，使用simulateVector函数从pdf中生成随机样本。
我尝试使用普通pdf并更改截断此pdf的参数：
> vfy <- simulateVector(10, distribution = "norm",
+ param.list = list(mean = 400, sd = 40), seed = 47,
+ sort = FALSE, left.tail.cutoff = 1, right.tail.cutoff = 1)
> vfy
[1] 4
浏览 5提问于2014-08-31得票数 0
回答已采纳
我目前将我的数据分割成几个TFrecord文件，然后通过混洗和交错的方式读取数据。我的代码如下： path_to_files = glob('train_*.tfrecord')
n_files = len(path_to_files)
tf_dataset = tf.data.Dataset.list_files(path).shuffle(n_files)
tf_dataset = tf_dataset.interleave(lambda filename: tf.data.TFRecordDataset(filename, num_parallel_reads=4).m
浏览 32提问于2019-04-02得票数 2
2回答
为什么使用蒙特卡洛随机抽样而不是均匀抽样是如此普遍呢？
我假设随机抽样会带来一些好处，但我不知道它们会是什么。
有谁能解释随机抽样位置比均匀样本位置的优势吗？
浏览 0提问于2016-08-18得票数 8
回答已采纳
如何从苏格拉塔API中获得随机数据样本？也就是说，我正在尝试获取，但是现在不愿意下载整个它，因为它非常大。
浏览 5提问于2016-07-25得票数 0
回答已采纳
1回答
从大型组合发电机随机抽样
、、、
在较高的级别上，我试图从列表中对n个项目的所有组合中的n_samples项进行示例。在n个较小的值和相对较小的列表长度(n <= 5，len( list ) < 75)的情况下，这很好--我只需使用迭代工具生成组合，转换为列表，并使用random.sample随机抽样正确的数字。
但是，我的用例要求我生成组合，随机抽样数千个元素，然后从列表中删除其中一个组合，然后从较小的列表中重新开始。
这在n和len( list )的高值下产生了一个问题--有120个列表项，n= 5，这意味着我必须多次进行列表转换，从而成为生成器->列表转换对1.9亿项生成器的时间限制。这需要非常长的时间
浏览 3提问于2019-04-30得票数 7
回答已采纳
1回答
我有一个标签向量labels，它包含10个类的60000个对象的标签信息(每个类有6000个样本)。
我需要随机抽样1000个样本，但也保证每节课100个样本。
浏览 2提问于2016-01-05得票数 0
回答已采纳
我有一个函数，它接受4个变量，并返回0,1范围内的单个浮点值。
我想知道哪些输入将最大化函数的输出。但是，这个函数运行很慢，所以我只随机抽取了1000个样本。即1000个(输入，输出)元组
有没有什么好的方法可以用这些元组来预测最大化我的函数？我不关心是否有更多的函数在运行，但不是很多。
提前谢谢。
浏览 1提问于2018-04-11得票数 0
2回答
多分类模型中的抽样大小是否重要？
、、、、
我正在研究一个多类分类模型，其中很少有类与其他类相比拥有更少的数据。我使用随机抽样技术从人口中创建一个样本，使每个类别的比例与人口的比例相等。例如，A类在总体中有400条记录，B类在总体中有100条记录，然后在进行随机抽样时，我正在创建一个样本，其中A类和B类的记录比例为4:1。我观察到的趋势是通过改变某一类的样本大小(保持类间比例不变)，导致模型性能(准确性、精确性、召回性)发生变化。
无论样本大小如何，我需要应用什么技术才能使我的模型稳定？
浏览 0提问于2019-11-27得票数 3
4回答
也许这太长了。关于滑雪板随机森林的简单问题：
对于一个真实/错误的分类问题，在sklearn的随机森林中是否有一种方法可以指定用于训练每棵树的样本大小，以及真实和错误观测的比率？
详情如下：
在随机森林的R实现(称为randomForest )中，有一个选项sampsize()。这允许您根据结果来平衡用于训练每棵树的样本。
例如，如果您试图预测结果是正确还是错误，并且培训集中90%的结果是假的，则可以设置sampsize(500, 500)。这意味着，每棵树将被训练在一个随机样本(与替换)从训练集与500个真实和500个错误的观察。在这种情况下，我发现当使用50%的截断时，模型的预测效果要好
浏览 2提问于2013-11-27得票数 6
回答已采纳
我有两个不同的数据帧，数据结构相同。
响应为'Yes‘的df1 (US状态为列)
响应为“No”的df2 (US状态为列)
我想从两个df收集样本，并制作一个指定大小的样本数据帧。我想保持样本数据集的平衡。例如，如果我从df1中取样本，从NY状态得到50个obs，那么我想要df2中的50个随机样本。
下面是示例dput()链接
我已经做了一个函数，从df中获取样本并对它们进行洗牌，但是无法包含第2部分。
sample12<- function(df1,df2,size) {
a<-df1[sample(nrow(df1),size/2,replace =
浏览 0提问于2019-07-18得票数 0
我已经尝试过sample()和srswor()/ srswr()从抽样包，这些都不会选择从我的向量的factors，x数的唯一因素水平。通常情况下，他们返回的两个因素水平是相同的，在许多随机样本中，我要求。是否有一个包或脚本可以随机选择因子级别，但其中没有两个是相同的？
浏览 1提问于2014-01-17得票数 0
回答已采纳
我正在构建一个二分网络生成器，我正在使用中的代码，当我的网络很小(5000个节点)时，它可以很好地工作。
现在我正在使用一个有60.000个节点和250.000个链接的网络。为了加快速度，我想知道在提取一个节点的2-dist邻居时，是否可以随机抽取一个节点的样本，比方说只有50%的2-dist邻居.
我真的不知道如何实现这个目标，如果不对KNeighborhoodFilter类本身进行黑客攻击也是可能的(我知道我无法这样做……)。
现在我接受结果，随机抽取一个样本，但我不知道我是否走对了路：
Predicate<Node> onlyUsers = new Predicate<
浏览 1提问于2013-11-06得票数 0
回答已采纳
1回答
我有一个数据集，我想从其中按组随机抽样，最多30行。但是，我还希望确保至少包含另一个分组的一行。此外，有些组的行数少于30行，在这种情况下，应该包括该组的所有行。我不能包含我正在处理的确切数据集，因为它是专有的；但是，数据帧df的示例如下：
ID|年龄|州|性别|薪资
1 25 CO M 50000
2 34 CO M 72000
3 28 CO M 52000
4 25 CO F 44000
5 25 CA F 55000
6 34 CA F 100000
7 39 CA M 88000
8 34 CA M 59000
..。最多15000行
因此，我想要一个随机的数据集样本，以便每个州提供
浏览 4提问于2020-11-04得票数 1
2回答
实现智能列表
、、
我被要求设计一个名为“智能列表”的数据结构，该结构包含带有真实密钥号的项，并提供了接下来的操作：
Insert(x) -向列表插入一个新元素。应该在O(log n)中。
删除min/max -删除并返回列表中的min/max元素。应该在O(log n)时间内。
Transform -更改remove min/max的返回对象(如果是min，则改为max，相反)。应该在O(1)中。
随机样本(K)-返回从列表中随机选择的k元素(k大于0，小于n)。应该在O(min(k log k，n+ (n-k) log (n-k))中)。
关于结构的假设:数据结构在任何阶段都不能容纳超过3n个元素。我们不能假
浏览 3提问于2014-05-31得票数 1
1回答
我熟悉遗传算法的选择方法，如随机通用抽样、轮盘赌、锦标赛等。然而，我意识到这些方法接近于统计学中使用的随机抽样。我想知道是否有基于群体中包含的个体的某些特征的接近统计聚类的实现方法，而不必在进行样本之前首先检查所有个体的特定特征。从本质上讲，我希望减少其他采样方法的随机性，同时保持每个种群的足够多样性。
浏览 1提问于2011-10-16得票数 2
回答已采纳
4回答
我有一个向量，我想在这个向量上进行块重采样，例如得到1000个向量大小相同的样本，然后将所有这些样本保存在一个列表中。
这是执行正常重采样(即每次随机绘制一个观察)并将结果保存在列表中的代码：
myvector <- c(1:200)
mylist <- list()
for(i in 1:1000){
mylist[[i]] <- sample(myvector, length(myvector), replace=TRUE)
}
我需要一个代码来完成完全相同的事情，但是它不是绘制单个观测，而是绘制观察块(让我们使用维数等于5的块)。
我知道有些包可以执行引导操作，但我
浏览 2提问于2018-01-16得票数 2
回答已采纳
1回答
你如何获得一个随机抽样的10%的总条目的每个独特的员工？
这将用于获得用于审核的随机样本。
浏览 0提问于2021-06-28得票数 0
回答已采纳
2回答
因此，我正在为sure模型文件编写一个解析器，其中有一些不正常的地方，我不知道如何处理。
因此，根据我的阅读，可以使用“g”命令将网格划分为组，并使用“usemtl”命令将材料分配给每一组。
因此，理想的文件应该如下所示：
g group1
usemtl material1
//vertices
//UV coords
//faces
g group2
usemtl material2
//vertices
//UV coords
//faces
etc....
但是，在我下载的一些obj文件中(从Turbosquid这样的地方下载)，我看到单个组包含多个"usemtl“，如下所示
浏览 0提问于2015-06-01得票数 6
2回答
我正在寻找可能的方式随机抽样在PostgreSQL。我找到了几种方法来实现这一点，有不同的优点和缺点。这样做的天真方式是：
select * from Table_Name
order by random()
limit 10;
另一个更快的方法是：
select * from Table_Name
WHERE random() <= 0.01
order by random()
limit 10;
(尽管0.01取决于表大小和样本大小，但这只是一个例子。)
在这两个查询中，为每一行生成一个随机数，并根据这些随机生成的数字进行排序。然后在排序的数字中，选择前10作为最终结果，所以我认为这
浏览 0提问于2015-03-30得票数 4
回答已采纳
3回答
我正在使用雪花编写sql查询。我们有一张巨大的桌子，里面有数十亿条记录，里面有客户信息。目标是获取随机样本，并使用R来查看分布。不幸的是，我们不能使用从RStudio到数据库的JDBC/ODBC连接。这是一个限制。因此，我只能从雪花中提取提取物，并将其导入R.
困难之处在于，我们有一个名为CUSTOMER段的专栏，它几乎有24个唯一的值。目标是从每个片段中得到一个代表显著比例的样本。我尝试了以下查询；
SELECT DISTINCT *
FROM test sample(10)
若要获得随机抽样，每一行被选中的概率为10 %。但我并不是从客户部门的每一个价值中获取样本。请允许我知道任何sql命
浏览 8提问于2019-10-18得票数 2
让我说，我想得到一个随机抽样的客户谁已经购买了一个特定的部门在去年。
我想确保每个部门的随机抽样在统计上是显着的(使用样本大小公式)，在从该部门购买的顾客总数中(如果一个部门有5000万客户至少购买了一次，那么所需的样本大约是390)。
我正在寻找类似于以下内容的内容:我将以顺序结束我的查询(子查询在这里确定正确的示例)
我如何将样例大小公式实现为限制BY语句从中提取的子查询？
浏览 0提问于2019-01-20得票数 0
让我们假设我有一个数据帧，我想要删除满足特定标准的随机观察样本(即整行)。以下面的数据帧为例：
id var1 var2
AAAA 1 Car
BBBB 2 Truck
CCCC 1 Boat
DDDD 2 Car
EEEE 1 Truck
FFFF 2 Car
FFFF 2 Car
FFFF 2 Car
FFFF 2 Car
如何进行(1)对var2=="Car"处的观察值进行随机抽样(n=3)，以及(2)删除未抽样的var2=="Car"处的所有其他行？在某个条
浏览 0提问于2013-04-23得票数 3
回答已采纳
1回答
我想通过以下条件从数据库表中取样:我的示例应该在每天每小时从特定类别列中至少有100个样本。下表如下：
id recieved_time catgory
1 2022-08-01 4:05 blue
1 2022-08-01 5:05 red
1 2022-08-01 7:05 red
...
有人能帮我写一个高效的sql查询吗？(顺便说一句，如果这有帮助的话，我正在使用clickhouse )
浏览 2提问于2022-10-16得票数 0
回答已采纳
如何在scikit-learn中生成用于交叉验证的随机折叠？
假设我们有一个类的20个样本，另一个类的80个样本，我们需要生成N个训练集和测试集，每个训练集的大小为30，在每个训练集中，我们有50%的类1和50%的类2。
我找到了这个讨论()，但我不明白如何获得折叠。理想情况下，我认为我需要这样一个函数：
cfolds = np.cross_validation.imaginaryfunction(
[list(itertools.repeat(1,20)), list(itertools.repeat(2,80))],
n_iter=100, test_size=0.70)
我遗漏了什么？
浏览 3提问于2013-12-21得票数 6
2回答
我正在处理从Drupal 6到Drupal 7站点的数百个节点的数据迁移。我已经把数据导出到新的网站，我想检查它。回到我的统计类，我记得有一些方法可以计算出随机数目的节点来检查，从而使我对整个过程是正确的有一定的信心。有人能告诉我统计学的实际应用吗？对于任意数量的单位，样本必须有多大才能有一个给定的置信区间？
浏览 0提问于2012-09-12得票数 4
回答已采纳
我试图随机抽取一个病人的样本并对他们进行测量，但是对于每一个病人，我想要他们所有的遭遇。
我做了一个合理的努力谷歌这个。同样地，我可以尝试给每个组分配相同的随机数。在SAS中，这很简单，因为我可以在分组数据集上进行赋值，但我无法用Python来理解它。
数据
下面是数据:请注意，我做了，而不是，每个病人都有相同的读数；我只是想快速地做一个例子。
import numpy as np
import pandas as pd
mi=pd.MultiIndex.from_product((['A','B','C','D','
浏览 1提问于2020-05-03得票数 1
回答已采纳
问题:如果您使用PySpark的sampleBy实现比例分层抽样，这不是与随机抽样相同吗？
编辑:有比例和不成比例的分层抽样。这个问题是关于前者的。
以下是我对此的思考：
假设在一个人口总数中有4个组，N= 1000。这些群体的比例如下：
A: 25%，B: 50%，C: 13%，D: 12%
然后，选择大小为100的比例分层样本意味着选择一个样本，该样本由A中的确切25种元素、B中的50种元素、C中的13种元素和D中的12种元素组成(注意:如果你的抽样比率与人群的采样比率不同，那么一个不成比例的分层样本就是。)
这与随机抽样不同，其中A、B、C和D的期望元素数分别为25、50、13和12。
浏览 7提问于2021-10-08得票数 1
回答已采纳
我使用整数编码来表示numpy数组中的类别。但是，我不知道如何为每个类别取1个随机样本并返回索引值。
例如，我有一个数组，如：
np.array([2, 2, 2, 2, 2, 2, 2, 1, 2, 2, 1, 1, 1, 0, 1, 0, 0, 2, 2, 1])
如何随机抽样0、1和2并返回每个样本的索引？
浏览 0提问于2019-07-25得票数 1
回答已采纳
我是随机抽样的，不需要替换由单个列组成的数据框架。此列包含重复的数值。
我正在使用dplyr来完成这个任务。我需要抽样的数据如下所示：
testSO <- data.frame(ToSample = c(round(runif(100, min=1, max=3),0)))
我使用下面的代码随机抽样15行：
MyRandomSample <- testSO %>%
slice_sample(n=15, replace = FALSE)
在选择这15个样本时，是否有直接方法从testSO中分别删除它们？实际上，slice_sample是在幕后完成这个任务的。我无法找到用于创建行
浏览 3提问于2020-12-03得票数 0
回答已采纳
1回答
代码：
import pandas as pd
df = pd.DataFrame({'data': list(range(100))})
我想取一个20码的样本，这样80%的元素在0到10之间，20%在50到70之间。(随机抽样)。
我想要一种适用于任意数量条件的方法。
我的想法是可行的，但不是干净的:对所有介于0到10之间的东西进行采样，取80% * 20行随机行，对其余的值执行同样的操作，并进行连接。是否有一种熊猫-我可以使用，因为这不能很好地适应更多的条件？
浏览 1提问于2022-05-27得票数 1
回答已采纳
1回答
需要帮助重复随机采样！根据人口规模，存在3个年龄组的10,000人: 2000人'1-10'，3000人'11-20‘和5000人'21-30’。各年龄组月薪正态分布如下:年龄'1-10‘：均值= 2000，方差= 500^2年龄'11-20'：均值= 3000，方差= 600^2年龄'21-30'：均值= 4000，方差= 700^2
注:样本的年龄组构成必须与人口的年龄组构成相同或接近，即1- 10岁组占样本的20%或0.2x50 =10。目标:从人口中重复随机抽样50人，并找到样本中位数月薪的抽样分布。说明:使用40
浏览 0提问于2018-09-15得票数 0
1回答
我到处都找遍了，还是找不出这一条。这个职位指出梯度增强比随机森林对不平衡数据的增强效果更好。为什么会这样呢？随机森林是因为引导而更糟吗(也许这不会在训练中得到分层样本，idk)？
有什么想法吗？
提前感谢
浏览 0提问于2022-10-17得票数 1
1回答
在JMETER：
它提到，可以使用JavaScript or BeanShell function to provide a changing value更改常量吞吐量变量值。
我有一个要求，在最终线程组中，每5分钟就需要使用beanshell预处理器来更改常量吞吐量值。
对于ex.Target吞吐量，应该
从每分钟4000个样品开始，保持负载5分钟。
每分钟增加5000个样本，并将负载保持5分钟。
每分钟增加6000个样本，以此类推，达到每分钟20000个样本。
请分享你的想法或努力解决这个问题。
这是断点性能测试，所以我们做这种方法。
浏览 2提问于2017-05-18得票数 1
回答已采纳
据我所知，负采样随机抽样的K negative samples来自一个噪声分布，P(w)。噪声分布基本上是频率分布+对词的一些修正。通常我们选择K = 5 ~ 20阴性样本。
P(w) = Uw(w)^(3/4) / normalization_factor
我看到了这两个相同的方程，用两个不同的符号来表示：
三个问题：
蓝色盒子的意思是什么？j和i的意义何在？
第二个方程似乎没有显示从噪声分布中“随机抽取”单词的任何东西。k在红色盒子里的意思是什么？
如何从噪声分布中选择噪声样本？
假设归一化噪声分布看起来像下面的字典：
dist = {'apple&#
浏览 0提问于2019-04-24得票数 3
1回答
假设我有这样的数据：
import pandas as pd
import numpy as np
np.random.seed(0)
df = {}
df['x'] = np.concatenate([np.random.uniform(0, 5, 4), np.random.uniform(5, 10, 4)])
df['y'] = np.concatenate([[0] * 4, [1] * 4])
df = pd.DataFrame(df)
df.loc[len(df) + 1] = [np.NaN, 0]
df.loc[len(df) + 1]
浏览 1提问于2020-01-30得票数 3
回答已采纳
例如，我如何在data.table中随机抽样三个组，以使结果包含具有原始data.table中的所有行的三个组？
library(data.table)
dat <- data.table(ids=1:20, groups=sample(x=c("A","B","C", "D", "E", "F"), 20,
replace=TRUE))
我知道如何从data.table中随机选择10行：
dat.sampl1 <- as.data.table(sapply(dat[], sample
浏览 3提问于2018-05-15得票数 0
1回答
从根本上说，在什么情况下，只对培训集的子样本进行HPO是合理的？
我使用基于人口的训练来优化序列模型的参数。我的数据集由2000万个序列组成，我想知道，由于预算有限，在子样本上进行优化是否有意义。
浏览 0提问于2020-12-15得票数 3
为了优化某些机器学习的(甚至是流水线的)超参数，sklearn提出了详尽的"GridsearchCV“和随机的"”。后者对所提供的分布进行采样并进行测试，最终选择最佳模型(并提供每个暂定模型的结果)。
但假设我用这个随机方法训练了1000个模型。后来，我觉得这还不够精确，我想再多试1000款。我能继续训练吗？也就是，要求更多的样本，尝试更多的模型，而不会失去当前的进展。第二次调用fit()“重新启动”并丢弃以前的超参数组合。
我的情况如下：
pipeline_cv = RandomizedSearchCV(pipeline, distribution, n_iter=1000,
浏览 6提问于2021-04-23得票数 0
回答已采纳
1回答
我试验了来自卡格尔的欺诈样本。
样本由284807个交易组成，其中497个是一个类别，其余的是另一个，比率为0.172%。这是一个不平衡的问题，我想测试一下简单的随机抽样是如何工作的。我将样本分成20部分，并在查全率曲线下的区域内进行检查.
我采取了线性回归和决策树。线性回归按预期工作：
但似乎决策树工作得很好：
我们有很高的查准率和召回率，而抽样不足会使情况更糟。为什么两种模式有这么大的区别？
浏览 0提问于2017-09-07得票数 1
回答已采纳
我假设随机梯度下降中的“随机”来自于每批样本的随机选择。但是，我所读到的关于这个主题的文章似乎表明，SGD对每个数据点都做了一个小的移动(权重变化)。Tensorflow如何实现它？
浏览 2提问于2021-11-11得票数 0
回答已采纳
1回答
有一个三维阵列x的形状(2000,60,5).如果我们认为它代表一个视频，2000年可以表示2000帧。我想把它和第一维随机取样，也就是得到一组帧样本。例如，如何获得一个(500,60,5)数组，该数组与第一维度一起从x随机抽样？
浏览 1提问于2022-07-19得票数 1
回答已采纳
我有一个社区矩阵(物种作为列，样本作为行)，我希望从它生成一个物种积累曲线(SAC)，它使用R的纯素包中的specaccum()和fitspecaccum()函数。为了使样本X的SAC和累积物种丰富度在各区域之间具有可比性(我每个区域有1个群落矩阵)，我需要让specaccum()在每个区域内选择相同数量的集合。我的问题是，一些地区比其他地区有更多的集合。我希望将样本大小限制在区域间的最小集合数(在我的例子中，最小集合数为45，所以我希望specaccum()随机抽样45组，100次(set permutations=100)用于每个区域。我想从每个区域的全部数据集中抽取样本。下面的代码不起作
浏览 2提问于2017-09-15得票数 0
回答已采纳
让我们说：- ML模型拒绝1000个事务FDR= FP/(FP+TP)
我随机选择400个帐户，并检查模型是否拒绝好用户或坏用户。
优秀用户被拒绝- 110
拒绝坏用户- 290
如何计算模型的错误发现率。它能基于我手动检查的样本，然后推断吗？
浏览 0提问于2021-01-31得票数 0
在阅读了关于随机抽样、随机过抽样和SMOTE的文章之后，我试图了解在Logistic回归或随机森林的SKlearn包中默认实现使用了什么方法。我检查了文档
平衡模式使用y值自动调整权重，与输入数据中的类频率成反比，如n_samples / (n_classes * np.bincount(y))
我无法理解它下的样本多数类或超过样本少数类来创建平衡集。
浏览 1提问于2018-05-03得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
云直播
对象存储活动推荐
腾讯云开发者
