样本(分层)(RapidMiner Studio Core)

描述

分层抽样构建随机子集，并确保子集中的类分布与整个ExampleSet中的类分布相同。例如，在二项分类的情况下，分层抽样构建随机子集，使每个子集包含大致相同的两个类值的比例标签。

当一个ExampleSet中有不同的类时，对每个类进行独立采样有时是有利的。分层是在抽样前将ExampleSet的示例划分为同质子组(即类)的过程。子组应该是互斥的，也就是说，ExampleSet中的每个例子必须只分配给一个子组(或类)。子组也应该是全面的，即不能排除任何例子。然后在每个子组内进行随机抽样。这通常通过减少抽样误差来提高样本的代表性。

使用分层抽样的一个实际例子是政治调查。如果受访者需要反映人口的多样性，研究人员将特别寻求包括各种少数群体的参与者，如种族或宗教，根据他们的比例总人口如上所述。因此，分层调查可以声称比简单随机抽样或系统抽样的调查更能代表人口。

与简单抽样算子(样本算子)相反，该算子对具有标称标签属性的数据集进行分层抽样，即抽样后的类分布(几乎)保持不变。因此，此运算符不能应用于没有标签或带有数字标签的数据集。在这些情况下，应通过样本操作员进行简单的抽样，而不进行分层。

这个操作符在原则上类似于Filter Examples操作符，它接受一个ExampleSet作为输入，并提供一个ExampleSet的子集作为输出。不同之处在于Filter Examples操作符根据指定的条件过滤示例。但样本算子关注的是样本的数量和类分布。而且样本是随机生成的。样本中的样例数量可以根据的设置，以绝对和相对的方式指定样本参数。