什么是分层引导？答案

【问题标题】：What is stratified bootstrap?什么是分层引导？
【发布时间】：2016-05-21 13:43:38
【问题描述】：

我已经学会了引导和分层。但是什么是分层引导？它是如何工作的？

假设我们有一个包含 n 个实例（观察）的数据集，m 是类的数量。我应该如何划分数据集，训练和测试的百分比是多少？

【问题讨论】：

标签： algorithm machine-learning data-mining

【解决方案1】：

您按类别拆分数据集。之后，您独立地从每个子群体中取样。您从一个子群体中抽样的实例数量应该与其比例相关。

 data
 d(i) <- { x in data | class(x) =i }
 for each class
    for j = 0..samplesize*(size(d(i))/size(data))
       sample(i) <- draw element from d(i)
 sample <- U sample(i)

如果您从具有 {'a', 'a', 'a', 'a', 'a', 'a', 'b', 'b'} 类的数据集中抽取四个元素，则此过程可确保分层样本中至少包含一个 b 类元素。

【讨论】：

samplesize 是否等于数据集中的类或数据集中的实例？

【解决方案2】：

只需要在 python 中实现它，我将在这里发布我当前的方法，以防其他人对此感兴趣。

为原始数据框创建索引以创建分层引导样本的功能

我选择遍历原始 Dataframe 中的所有相关层簇，检索每个层中相关行的索引，并随机（有替换）从该层所包含的层中抽取相同数量的样本。

反过来，随机绘制的索引可以组合成一个列表（最终应该与原始数据帧具有相同的长度）。

import pandas as pd
from random import choices

def provide_stratified_bootstap_sample_indices(bs_sample):

    strata = bs_sample.loc[:, "STRATIFICATION_VARIABLE"].value_counts()
    bs_index_list_stratified = []

    for idx_stratum_var, n_stratum_var in strata.iteritems():

        data_index_stratum = list(bs_sample[bs_sample["STRATIFICATION_VARIABLE"] == idx_stratum_var[0]].index)
        bs_index_list_stratified.extend(choices(data_index_stratum , k = len(data_index_stratum )))

    return bs_index_list_stratified

然后是实际的引导循环

（比如 10k 次）：

k=10000

for i in range(k):
    bs_sample = DATA_original.copy()

    bs_index_list_stratified = provide_stratified_bootstap_sample_indices(bs_sample)
    bs_sample = bs_sample.loc[bs_index_list_stratified , :]

    # process data with some statistical operation as required and save results as required for each iteration
    RESULTS = FUNCTION_X(bs_sample)

【讨论】：