在数据挖掘中，常用抽样方法包括简单抽样（有放回和无放回）、簇抽样、分层抽样、系统抽样、自助抽样和蓄水池抽样。简单抽样涉及有放回和无放回两种方式；簇抽样选择具有代表性的簇；分层抽样按比例选取不同层的样本；系统抽样适用于大规模数据；自助抽样允许个体多次被抽中；蓄水池抽样则用于处理无法全部加载到内存的大数据集。
在数据挖掘的实际工程中，多数时候需要从总体中抽取样本来进行模型预测。抽样的方法有多种，此处例举常见的几种。
1、简单抽样。
简单抽样分为有放回抽样和无放回抽样。无放回抽样：从N个个体中随机抽取n个个体，每次抽取一个个体，且抽取后不再放回。有放回抽样：跟无放回类似，但是每次抽取个体之后，要放回。
2、簇抽样
先将总体分为多个不想交的簇，然后再抽取一个或多个簇作为样本。例如：把某中学二年级的学生按班级分为多个簇（假设一个班就是一个簇），每次抽取一个或多个班（簇）作为样本，这种抽样方法就是簇抽样。簇抽样要求簇内的差异较大，簇之间的差异较小，从而使得簇抽取的样本具有代表性。
3、分层抽样
最低0.47元/天 解锁文章
扫一扫
8万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
