八种样本抽样方法介绍
你肯定很熟悉以下情况:你下载了一个比较大的数据集,并开始分析并建立你的机器学习模型。当加载数据集时,你的计算机会爆出"内存不足"错误。即使是最优秀的人也会遇到这种事。这是我们在数据科学中面临的最大障碍之一,在受计算限制的计算机上处理大量数据(并非所有人都拥有Google的资源实力!)。
那么我们如何克服这个问题呢?是否有一种方法可以选择数据的子集并进行分析,并且该子集可以很好地表示整个数据集?
这种方法称为抽样。我相信你在学校期间,甚至在你的职业生涯中,都会遇到这个名词很多次。抽样是合成数据子集并进行分析的好方法。但是,那我们只是随机取一个子集呢?
我们将在本文中进行讨论。我们将讨论八种不同类型的抽样技术,以及每种方法的使用场景。这是一篇适合初学者的文章,会介绍一些统计的知识
目录
[*]什么是抽样?
[*]为什么我们需要抽样?
[*]抽样步骤
[*]不同类型的抽样技术
[*]概率抽样的类型
[*]非概率抽样的类型
什么是抽样?让我们从正式定义什么是抽样开始。 {:1_180:} {:1_89:} 感謝分享 感谢分享! 感谢分享{:1_180:} {:1_101:} 谢谢分享 谢谢分享 谢谢分享