（3） 抽樣

抽樣也是一種數(shù)據(jù)規(guī)約技術(shù)， 它用比原始數(shù)據(jù)小得多的隨機(jī)樣本（子集） 表示原始數(shù)據(jù)集。 假定原始數(shù)據(jù)集D包含N個(gè)元組， 可以采用抽樣方法

對(duì)D進(jìn)行抽樣。 下面介紹常用的抽樣方法。 在R中， 抽樣可以通過(guò)函數(shù)

sample（N， s， replace=T/F） 實(shí)現(xiàn)， 實(shí)際中相當(dāng)于先從1~N， 共N個(gè)自然數(shù)

中抽取s個(gè)， 然后將抽到的s個(gè)自然數(shù)作為數(shù)據(jù)框中觀測(cè)的行位置進(jìn)行目標(biāo)元

組的調(diào)出， 抽樣所得新數(shù)據(jù)集newD=D［sample（N， s，

replace=T/F） ， ］ 。

s個(gè)樣本有放回簡(jiǎn)單隨機(jī)抽樣： 從D的N個(gè)元組中抽取s個(gè)樣本（s<N） ，

其中D中任意元組被抽取的概率均為1/N， 即所有元組的抽取是等可能的， R

中對(duì)應(yīng)抽樣函數(shù)為sample（N， s， replace=T） 。

s個(gè)樣本無(wú)放回簡(jiǎn)單隨機(jī)抽樣： 該方法類似于無(wú)放回簡(jiǎn)單隨機(jī)抽樣， 不

同在于每次一個(gè)元組從D中抽取后， 記錄它， 然后放回原處， 其對(duì)應(yīng)抽樣函

數(shù)為sample（N， s， replace=F） 。

聚類抽樣： 如果D中的元組分組放入M個(gè)互不相交的“簇”， 則可以得到s

個(gè)簇的簡(jiǎn)單隨機(jī)抽樣， 其中s<M。 例如， 數(shù)據(jù)庫(kù)中元組通常一次檢索一頁(yè)，

這樣每頁(yè)就可以視為一個(gè)簇。

分層抽樣： 如果D劃分成互不相交的部分， 稱作層， 則通過(guò)對(duì)每一層的

簡(jiǎn)單隨機(jī)抽樣就可以得到D的分層樣本。 例如， 可以得到關(guān)于顧客數(shù)據(jù)的一

個(gè)分層樣本， 按照顧客的每個(gè)年齡組創(chuàng)建分層。