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？我看过一些关于用特殊技巧做精确抽样的帖子。我会看看我是否可以用下面的方法回答我自己的帖子。注意:有一个sampleByKeyExact方法，但它在Python中不受支持，如果支持它，那么性能和缩放代价就不理想了。相关员额：
<
浏览 7提问于2021-10-08得票数 1
回答已采纳
我正在寻找最好的方法来做随机分层抽样，如调查和民意调查。我不想做sklearn.model_selection.StratifiedShuffleSplit，因为我不是在做监督学习，我也没有目标。Python是我的主要语言。
感谢您的帮助
浏览 6提问于2018-05-06得票数 11
1回答
我对R相当陌生，现在我被分层抽样困住了，当样本大小根据组发生变化时。
样本的大小因不同的群体或阶层而异：我采用分层抽样，但不知道样本的大小。
浏览 3提问于2017-10-09得票数 0
回答已采纳
1回答
我使用了一个70-30分割的分层抽样，K-nn在k= 20上给出了最好的精度。( 2)即使我使用分层抽样，那么k的这么大值是否可能是由于数据库中两个类的不均衡造成的呢？
浏览 0提问于2018-05-12得票数 1
回答已采纳
3回答
所以，我想自己去实施分层抽样。在此，我需要帮助破译问题的原因，并在多标签分类中实施分层抽样，以便在培训期间也能很好地适用于个别批次。
浏览 0提问于2018-06-13得票数 12
1回答
假设将数据划分为训练/验证/测试集，以便进一步应用某种分类算法，而训练集并不包含完整数据集中存在的所有类标签--比如一些标签为"x“的记录只出现在验证集中，而不是在培训中。第二个问题是:用训练集具有所有现有标签的方式来处理上述问题并对数据进行分区是否是分区算法的共同之处？
浏览 2提问于2013-12-07得票数 2
回答已采纳
1回答
我对ML很陌生。我正在尝试创建一个在多个列表之间平均分布的训练数据集，每个列表都有不同类型的数据。我该怎么做？我查看了GroupKMeansFold和StratifiedFold，但我并不完全理解它。我有三个清单a，b，c。 b = [b1, b2, b3.... b10000]我希望我的训练，测试，和val数据有70，15，15分裂。我还希望70%的培训数据在列表a、b、c之间均匀分布，与测试和val数据相同。
我希望训练数据有来自a、b和c的70
浏览 0提问于2022-07-29得票数 1
1回答
我正在处理数据集。它有两列。一种是对一两行的评论。第二是评级，在0到4之间，条目总数为8533。数据分布情况如下：
浏览 1提问于2018-10-24得票数 0
1回答
我需要从10亿个数据库中提取1%的样本。这1%应该在一个数值变量上均匀分布。例如，如果数据集有1000行，而数值变量的值为1-10，则输出示例具有一个数据集，其中每个值的每一行都有一个数据集。
浏览 1提问于2015-07-09得票数 0
1回答
分层抽样变量选择
、、
我试图在R中进行分层抽样，从我的数据中抽取样本，其中一个参数是组，它从保持数据集的相同初始分布取变量名到样本。
是否将响应作为分组变量包括在内是常见的，包括/排除它意味着什么？
浏览 0提问于2017-11-08得票数 2
2回答
蟒蛇前科分层抽样
、、
上下文其目标是创建一个函数，使之能够从分层抽样中筛选出来，但使用考虑到的变量的某些比例，而不是原始数据集比例。":["foo" for i in range(175)],对于具有定义sample_size的传统分层抽样
浏览 8提问于2022-09-16得票数 4
回答已采纳
2回答
如果不知道每个子种群(阶层)的分布(或大小/概率)，也不知道总体规模，是否可以只读取一次文件进行分层抽样？谢谢。
你好，林
浏览 3提问于2016-06-07得票数 1
回答已采纳
因为它们都在一个巨大的文件夹中，所以我想将它们分成training/test/validation集合；也许可以创建三个新文件夹，并基于某种Python脚本将图像移动到每个文件夹中。我想做分层抽样，这样我就可以在所有三个集合中保持类的百分比相同。
制作一个可以做到这一点的脚本的方法是什么？
浏览 4提问于2018-10-31得票数 12
所以我想做一个预测模型来预测搅动。问题是，我认为我的混淆矩阵有点糟糕，因为我的目标变量非常不平衡：这主要导致了这一混淆矩阵：( logistic回归和决策树的相似值)。📷
有什么办法来平衡数据吗？我在橙色文件里找不到。
浏览 0提问于2019-04-25得票数 0
2回答
我正在构建一个随机森林分类模型，响应变量split为98%(False)-2%(True)。为此，我使用Scikit Learn的RandomForest分类器。
浏览 1提问于2016-03-29得票数 2
2回答
我想从PySpark上的数据框架中进行分层抽样。有一个sampleBy(col, fractions, seed=None)函数，但它似乎只使用一个列作为一个层。有没有办法使用多列作为一个地层？
浏览 5提问于2017-05-09得票数 5
回答已采纳
2回答
分层抽样
、
我在R方面还是很新的，我有一个很容易回答的问题，我希望你能回答。我想画一个大小为100的样本，每个阶层按其人口规模的比例抽样(完整的GSS)。到目前为止，我的猜测是这样的：s=strata(GSS2010,c("region"),size=c(100), method="
浏览 10提问于2015-02-24得票数 0
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
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
