增加样本中的违约者数量答案

【问题标题】：increase the number of defaulters in a sample增加样本中的违约者数量
【发布时间】：2014-05-02 11:45:26
【问题描述】：

我有一个银行数据集，其中有 5% 的违约者，其余的都很好（非违约者）。

我想创建一个有 30% 违约者和 70% 非违约者的样本。

假设我的数据集是数据，并且它有一个名为“默认”的列，表示 0 或 1，我如何获得具有 30% 默认值、70% 非默认值的样本，因为我的原始数据集只有 5% 的默认值。

谁能提供R代码。那太好了。我尝试了以下方法来获得 100 个带有替换的随机样本

data[sample(1:nrow(data),size=100,replace=TRUE),]

但是我如何确保我得到的拆分是 30%,70%？

【问题讨论】：

标签： r sample sampling

【解决方案1】：

sample 有一个选项prob，它表示一个概率权重向量，用于获取被采样向量的元素。所以你可以使用prob=c(0.3,0.7) 作为sample 的参数。

例如

sample(0:1, 100, replace=TRUE, prob=c(0.3,0.7))

【讨论】：

【解决方案2】：

假设 df 是您的数据框，default 是指示谁默认的列。

无需更换即可取样：

df[c(sample(which(df$default),30), sample(which(!df$default),70)),]

使用替换进行采样（即可能重复记录）：

df[c(sample(which(df$default),30,TRUE), sample(which(!df$default),70,TRUE)),]

或者，如果您不想指定违约者和非违约者的确切数量，您可以为每行指定一个抽样概率：

set.seed(1)
df <- data.frame(default=rbinom(250,1,.5), y=rnorm(250))

n <- 100 # could be any number, but closer you get to nrow(df) the less the weights matters
s <- sample(seq_along(df$default), n, prob=ifelse(df$default, .3, .7))
table(df$default[s])
#
#  0  1 
# 61 39 

n <- 150 # could be any number, but closer you get to nrow(df) the less the weights matters
s <- sample(seq_along(df$default), n, prob=ifelse(df$default, .3, .7))
table(df$default[s])
#
#  0  1 
# 97 53

【讨论】：