数据抽样算法 oracle,数据准备：利用ORACLE实现数据抽样

做数据分析的,免不了碰到记录数据量很大，怎么办？

做全面分析是不现实也没有必要。

介绍一下抽样方法及实现

几种常用的抽样方法：

1.简单随机抽样(simple random sampling)

将所有调查总体编号，再用抽签法或随机数字表随机抽取部分观察数据组成样本。

优点：操作简单，均数、率及相应的标准误计算简单。

缺点：总体较大时，难以一一编号。

2.系统抽样(systematic sampling)

又称机械抽样、等距抽样，即先将总体的观察单位按某一顺序号分成n个部分，再从第一部分随机抽取第k号观察单位，依次用相等间距从每一部分各抽取一个观察单位组成样本。

优点：易于理解、简便易行。

缺点：总体有周期或增减趋势时，易产生偏性。

3.整群抽样(cluster sampling)

先将总体依照一种或几种特征分为几个子总体(类．群)，每一个子总体称为一层，然后从每一层中随机抽取一个子样本，将它们合在一起，即为总体的样本，称为分层样本

优点：便于组织、节省经费。

缺点：抽样误差大于单纯随机抽样。

4.分层抽样(stratified sampling)

将总体样本按其属性特征分成若干类型或层，然后在类型或层中随机抽取样本单位，合起来组成样本。有按比例分配和最优分配(过度抽样是否就是最优分配方法？)两种方案。

特点：由于通过划类分层，增大了各类型中单位间的共同性，容易抽出具有代表性的调查样本。该方法适用于总体情况复杂，各类别之间差异较大(比如金融客户风险/非风险样本的差异)，类别较多的情况。

优点：样本代表性好，抽样误差减少。

我们需要使用抽样的方法从总量用户中随机抽取100W个样本记录。

down到本机然后进行sas抽样，不可能！

直接sas联机抽样，更不可能！

直接提交服务器进行抽样，然后链接到本机进行分析

现在介绍一下ORACLE抽样方法：

Oracle取随机数据实现

随机查看前N条记录

SELECT * FROM (SELECT * FROM TB_PHONE_NO ORDER BY

SYS_GUID())

WHERE ROWNUM < 10;

SELECT * FROM (SELECT * FROM chifan ORDER BY

dbms_random.random) WHERE ROWNUM<=5

SQL> SELECT * FROM (SELECT * FROM A SAMPLE(0.01))

WHERE ROWNUM<=1;

注意每次取得的值都不同。

SAMPLE 是随机抽样，后面的数值是采样百分比。

另附SAS 抽样实现

DATA

COMMON.OTHER_200909(WHERE=(RANUNI(1)<.042>

SET COMMON.FIN_200909;

WHERE PV IS NULL;

RUN;

效率非常低，不推荐