更新时间：2021-09-18 GMT+08:00
数据采样
如果数据量太大，造成特征操作等待的时间长，用户可以通过采样功能减少特征处理的数据量，提升特征处理的速度。
数据采样提供如下两种方式，请根据实际情况进行选择：
- 随机采样：按照比例进行样本数据的随机采样。
- 分层采样：如果一个特征或多个特征组合样本值的类型多样，为保证采样数据的多样性，可以对不同类型的数据分别设置采样比例。
数据采样有如下两个入口：
- 在JupyterLab环境编辑界面，单击界面右上角的
图标，选择“数据处理 > 数据采样”。下文采样步骤使用此入口进行描述。 - JupyterLab环境编辑区的“随机采样”、“分层采样”快捷入口。
分层采样
操作步骤如下所示。
- 单击界面右上角的
图标，选择“数据处理 > 数据采样 > 分层采样”，界面新增“分层采样”内容。对应参数说明，如表2所示。
表2 参数说明 参数
参数说明
列筛选方式
特征列的筛选方式，有如下两种：
- 列选择
- 正则匹配
列名
列筛选方式为“列选择”时展示，请根据实际情况，单击“
”设置单列或者多列。正则表达式
列筛选方式为“正则匹配”时展示，请根据实际情况输入正则表达式设置特征列。
fractions
为不同数据类型的样本数据，分别设置采样比例。
示例：{(0,): 0.2, (1,): 0.8}，其中(0,)和(1,)分别为特征列的组合样本数据。
seed
改变随机数生成器生成随机数的种子。取值必须为整数。
默认值为空，即不对分层采样产生影响。seed值不固定的时候，每次采样出来的样本数量，以及每层采的哪些行都是不固定的。
当前操作流
从下拉框中选择当前数据操作流的名字。
操作流变量名
如果存在多个数据操作流，可重命名操作流对象的变量名，以避免冲突。
- 单击
图标，运行“分层采样”代码框内容。
父主题： 数据处理
