Sample (Stratified)

詳細

階層化サンプリングはランダムなサブセットを構築し、サブセット内のクラス分布がExampleSet全体と同じであることを保証します。たとえば、二項分類の場合、層化サンプリングでは、各サブセットにクラスラベルの 2つの値のほぼ同じ割合が含まれるように、ランダムなサブセットが構築されます。

ExampleSetに異なるクラスがある場合、各クラスを個別にサンプリングすることが有利な場合があります。層別化は、サンプリング前にExampleSetの例を同種のサブグループ（クラス）に分割するプロセスです。サブグループは相互に排他的である必要があります。つまり、ExampleSet内のすべての例は、1つのサブグループ（またはクラス）にのみ割り当てる必要があります。また、サブグループは集合的に網羅する必要があります。つまり、例を除外することはできません。次に、各サブグループ内でランダムサンプリングが適用されます。これにより、多くの場合、サンプリングエラーが減少し、サンプルの代表性が向上します。

層別サンプリングを使用した実際の例は、政治調査です。回答者が人口の多様性を反映する必要がある場合、研究者は、上記のように総人口に対する比例に基づいて、人種や宗教などのさまざまな少数グループの参加者を含めることを特に求めます。したがって、層別調査は、単純なランダムサンプリングまたは系統的サンプリングの調査よりも母集団をより代表すると主張できます。

単純なサンプリング演算子（Sample演算子）とは対照的に、この演算子は名目ラベル属性を使用してデータセットの層化サンプリングを実行します。つまり、クラス分布はサンプリング後も（ほぼ）維持されます。したがって、この演算子は、ラベルなしまたは数値ラベル付きのデータセットには適用できません。これらの場合、層化のない単純なサンプリングは、サンプル演算子を使用して実行する必要があります。

この演算子は、ExampleSetを入力として受け取り、ExampleSetのサブセットを出力として配信するという原則のフィルタ例演算子に似ています。違いは、例のフィルター演算子が、指定された条件に基づいて例をフィルターすることです。ただし、Sampleオペレーターは、結果のサンプルの例の数とクラス分布に焦点を合わせます。さらに、サンプルはランダムに生成されます。サンプルのサンプルの数は、 サンプルパラメータの設定に応じて、絶対ベースおよび相対ベースで指定できます。