扫码加入数据分析学习群

（3） 抽样

抽样也是一种数据规约技术， 它用比原始数据小得多的随机样本（子集） 表示原始数据集。 假定原始数据集D包含N个元组， 可以采用抽样方法

对D进行抽样。 下面介绍常用的抽样方法。 在R中， 抽样可以通过函数

sample（N， s， replace=T/F） 实现， 实际中相当于先从1~N， 共N个自然数

中抽取s个， 然后将抽到的s个自然数作为数据框中观测的行位置进行目标元

组的调出， 抽样所得新数据集newD=D［sample（N， s，

replace=T/F） ， ］ 。

s个样本有放回简单随机抽样： 从D的N个元组中抽取s个样本（s<N） ，

其中D中任意元组被抽取的概率均为1/N， 即所有元组的抽取是等可能的， R

中对应抽样函数为sample（N， s， replace=T） 。

s个样本无放回简单随机抽样： 该方法类似于无放回简单随机抽样， 不

同在于每次一个元组从D中抽取后， 记录它， 然后放回原处， 其对应抽样函

数为sample（N， s， replace=F） 。

聚类抽样： 如果D中的元组分组放入M个互不相交的“簇”， 则可以得到s

个簇的简单随机抽样， 其中s<M。 例如， 数据库中元组通常一次检索一页，

这样每页就可以视为一个簇。

分层抽样： 如果D划分成互不相交的部分， 称作层， 则通过对每一层的

简单随机抽样就可以得到D的分层样本。 例如， 可以得到关于顾客数据的一

个分层样本， 按照顾客的每个年龄组创建分层。