如何進(jìn)行抽樣
抽樣分類
?
1）概率抽樣：以數(shù)據(jù)概率論為基礎(chǔ)，按照隨機(jī)的原則進(jìn)行抽樣,；
2）非概率抽樣：根據(jù)人類的主觀經(jīng)驗(yàn)和狀態(tài)進(jìn)行判斷,；
?
概率抽樣方法
1）簡單隨機(jī)抽樣：按等概率原則直接從總中抽取N個樣本
優(yōu)點(diǎn)：易于操作；
缺點(diǎn)：不能保證樣本能完美代表總體,；
適用：個體分布均勻的場景
?
2）等距抽樣：先將總體中的每個個體按順序編號,，然后計(jì)算出抽樣間隔，再按固定抽取個體
優(yōu)點(diǎn)：易于操作,；
缺點(diǎn)：再明顯的分布規(guī)律時容易產(chǎn)生偏差,；
適用：個體分布均勻的場景，呈現(xiàn)明顯的均勻分布規(guī)律
?
3）分層抽樣：先將所有個體樣本按照某種特征劃分為幾個類別,，然后從每個類別中使用隨機(jī)抽樣或等距抽樣的方法選擇個體組成樣本
優(yōu)點(diǎn)：降低抽樣誤差,，針對不同類別的數(shù)據(jù)樣本進(jìn)行單獨(dú)研究；
缺點(diǎn)：無缺點(diǎn),；
適用：帶有分類邏輯的屬性，標(biāo)簽等特征的數(shù)據(jù)
?
4）整群抽樣：先將所有樣本分為幾個小群體集,，然后隨機(jī)抽樣幾個小群體集代表總體,。
優(yōu)點(diǎn)：易于操作；
缺點(diǎn)：分布受限于小群體集的劃分,，抽樣誤差較大,；
適用：小群體集的特征差異比較小，并且對劃分小群體集有更高的要求
?
抽樣需要注意問題
1）反應(yīng)抽樣背景
a.數(shù)據(jù)時效性,；
b.業(yè)務(wù)增長性,；
c.數(shù)據(jù)來源多樣性；
d.業(yè)務(wù)數(shù)據(jù)可行性
2）滿足數(shù)據(jù)分析和建模需求
a.抽樣樣本量,；
A.以時間為維度分布,，至少包含一個能滿足預(yù)測的完整業(yè)務(wù)周期；
B.做預(yù)測（包含分類和回歸）分析建模的,，需要考慮特征數(shù)量和特征值域（非數(shù)值）的分布,，通常數(shù)據(jù)記錄數(shù)同時是特征數(shù)量和
特征值域的100倍以上；
C.做關(guān)聯(lián)規(guī)則分析模型,，根據(jù)關(guān)聯(lián)前后項(xiàng)的數(shù)量,，每個主體需要至少1000條數(shù)據(jù)。
D.異常檢測類分析建模,，無論是監(jiān)督還是非監(jiān)督建模,，數(shù)據(jù)記錄越多越好
?
b.抽樣樣本在不同類別中的分布問題
