数据挖掘中常用的采样方法

近期看了一些关于数据采样的资料，顺便研究了一下SAS EM模块Sampling节点，SAS EM里提供了随机采样，等距采样，分层采样以及聚类采样等集中采样方法，这里分别介绍一下[@more@]

在数据挖掘的数据分析阶段，数据量通常都很大，一般为几十万甚至上百万。通过数据分析，用户可以了解数据集的特征，变量特征，并对数据进行初步的处理，以便在建模阶段有导向的提取特征变量进行建模。但如果建模的数据量过大，一方面要对所有数据进行训练，时间上很难满足，另一方面，数据量过大，容易造成模型的过度拟合。因此在建模之前对数据进行采样在数据挖掘过程中是十分必要的。

常用的数据采样方法可以分成两类：

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/11748324/viewspace-982889/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/11748324/viewspace-982889/