隨機(jī)抽樣法就是調(diào)查對(duì)象總體中每個(gè)部分都有同等被抽中的可能,是一種完全依照機(jī)會(huì)均等的原則進(jìn)行的抽樣調(diào)查,被稱為是一種“等概率”.隨機(jī)抽樣有四種基本形式,即簡(jiǎn)單隨機(jī)抽樣捧灰、等距抽樣箫荡、類型抽樣和整群抽樣.
非隨機(jī)抽樣的定義：指抽樣時(shí)不是遵循隨機(jī)原則,而是按照研究人員的主觀經(jīng)驗(yàn)或其它條件來(lái)抽取樣本的一種抽樣方法.
關(guān)于抽樣更詳細(xì)介紹的方法參見(jiàn)概率抽樣棚赔，隨機(jī)采樣恋昼。
python當(dāng)中實(shí)現(xiàn)簡(jiǎn)單隨機(jī)抽樣的方法有：自己純編寫(xiě)代碼（不方便）；利用庫(kù)pandas或者numpy摔桦。
此處，我用的是pandas承疲。詳細(xì)代碼如下：
pandas 實(shí)現(xiàn)隨機(jī)抽樣邻耕，其中一些參數(shù)：
df.sample(n=None, frac=None, replace=False, weights=None, random_state=None,axis=None)
n：指定抽取的樣本量,(這里我設(shè)定的是小類數(shù)據(jù)的1.05，即 n = N*(1+0.05))
frac：指定抽取的樣本比例燕鸽；
replace：是否有放回抽樣兄世，默認(rèn)無(wú)放回。（對(duì)于不平衡數(shù)據(jù)欠抽樣時(shí)啊研，將replace=False）
weights：指定樣本抽中的概率御滩，默認(rèn)等概論抽樣；
random_state：指定抽樣的隨機(jī)種子党远，可以使得每次抽樣的種子一樣削解，每次抽樣結(jié)果一樣
axis：是選擇抽取數(shù)據(jù)的行還是列。axis=0的時(shí)是抽取行沟娱，axis=1時(shí)是抽取列
局限： 對(duì)于多類樣本不能很好的進(jìn)行抽樣氛驮。
解決：對(duì)于不平衡數(shù)據(jù)，使用imblearn庫(kù)中的函數(shù)完成隨機(jī)過(guò)采樣济似，隨機(jī)欠采樣矫废。
需要注意的一點(diǎn)：
1. pandas中的df是dataframe類型，它包含了所處理數(shù)據(jù)的特征和類砰蠢。其中每一行代表一個(gè)instance蓖扑，每一列代表一個(gè)feature，而最后一列往往是類標(biāo)簽娩脾。上述是一般情況赵誓，具體類標(biāo)簽在第一列還是最后一列打毛，取決于你所得到的數(shù)據(jù)集是什么樣的柿赊。當(dāng)然，也可以根據(jù)自己的需要和習(xí)慣幻枉，將類標(biāo)簽放置在相應(yīng)的位置碰声。
2. 針對(duì)不平衡的數(shù)據(jù)，要實(shí)現(xiàn)欠抽樣時(shí)熬甫，只需將replace=False,并只對(duì)大類樣本進(jìn)行抽樣胰挑。要實(shí)現(xiàn)過(guò)抽樣，相應(yīng)的將repalce=True,并只對(duì)小類樣本進(jìn)行過(guò)抽樣。最后將兩類樣本合并即可瞻颂。
還有一種方法更為簡(jiǎn)單豺谈，因?yàn)橛玫搅薸mblearn庫(kù)中的方法。如果你沒(méi)有安裝這個(gè)庫(kù)贡这，可以參考怎么用python安裝第三方庫(kù)Imblearn茬末，其中這個(gè)庫(kù)中包含了針對(duì)不平衡數(shù)據(jù)的一些抽樣方法，具體的也可以參考imblearn的官網(wǎng)盖矫。
首先丽惭，先導(dǎo)入庫(kù)：
第二步，調(diào)用其中庫(kù)的方法：
上述方法分別是 隨機(jī)過(guò)抽樣辈双、隨機(jī)欠抽樣责掏、smote抽樣。具體的參數(shù)可以參見(jiàn)官網(wǎng)：imblearn庫(kù)的相關(guān)參數(shù)湃望。
