matlab - MATLAB：从每个类中抽取具有相同数量值的样本

Question

我有一个完整的数据集，可以说是 50000 个观察值，这些观察值分配给 16 个类。我现在想绘制一个样本，假设 70% 的完整数据，但我希望 MATLAB 从每个类中获取相同数量的样本（当然，如果可能，因为某些类的数量少于需要的数量）

是否有可以做到这一点的 MATLAB 函数，还是我必须自己编写一个新函数？我只是想在这里节省时间。

我发现了cvpartition，但据我所知，这只能用于获取与原始数据集在类上具有相同分布的样本，而不是均匀分布的样本。

谢谢您的帮助！

Answer 1

应该不会太难。假设观察结果在一个向量中observations。然后你可以做

fraction = 0.7;

classes = unique(observations);
nObs = length(observations);
nClasses = length(classes);
nSamples = round(nObs * fraction / nClasses);

for ii = 1:nClasses
    idx = observations == classes(ii);
    samples((ii-1)*nSamples+1:ii*nSamples) = randsample(observations(idx), nSamples);
end

现在samples是一个长度向量，nClasses * nsamples其中包含您的采样观测值，每个类别的数量相同。

目前，如果其中一个类不包含至少nSamples观察值，它将失败。最简单的解决方法是在'replace','true'对 的调用中添加额外的参数randsample，这将告诉它在被选中后替换每个观察值。