问题标签 [resampling]

我正在尝试使用Opus压缩音频流并将其发送到另一部手机进行播放。我的问题是，在 Opus 中，编码器和解码器使用 48KHz 的音频样本，而 Android 保证工作的唯一采样率是 44.1Khz。

所以，我的问题是我是否需要在发送之前总是对音频进行上采样（我想是使用另一个库），然后在播放之前进行下采样，或者是否可以直接传入音频而无需重新采样？

我真的很喜欢至少在建模的早期阶段使用插入符号，特别是因为它非常容易使用重采样方法。但是，我正在研究一个模型，其中训练集通过半监督自我训练添加了相当多的案例，因此我的交叉验证结果确实存在偏差。我对此的解决方案是使用验证集来衡量模型性能，但我看不到直接在插入符号中使用验证集的方法 - 我是否遗漏了某些东西或者这只是不受支持？我知道我可以编写自己的包装器来完成插入符号通常会为 m 做的事情，但是如果有一种解决方法而不必这样做，那就太好了。

这是我正在经历的一个简单的例子：

summaryFunction()我最初认为我可以通过为对象创建自定义来做到这一点，trainControl()但我看不到如何引用我的模型对象以从验证集中获取预测（文档 - http://caret.r-forge.r-project.org /training.html - 仅列出“data”、“lev”和“model”作为可能的参数）。例如，这显然行不通：

编辑：为了想出一个真正丑陋的修复，我一直在寻找是否可以从另一个函数的范围访问模型对象，但我什至没有看到它们模型存储在任何地方。希望有一些优雅的解决方案，我什至没有接近看到......

我遇到了熊猫时间序列（Python）的重采样函数的一个相当奇怪的行为。我使用最新版本的熊猫（0.12.0）

采取以下时间序列：

然后尝试重新采样到 66s 和 65s。这是我得到的结果：

我确实理解重新采样到 66 秒时的行为。它总是取相应区间内所有值的平均值（默认值）。我不明白也不知道如何影响 65 岁的行为。

这是一个简化的问题。背景是一个更复杂的数据校正过程，涉及重采样。

有任何想法吗？

我是 R 的新手，因此我的问题可能非常简单。我有 40 个拥有大量浮游动物的地点。

我的数据看起来像这样（列是物种丰度，行是站点）

我想要的是从每个站点随机抽取一个子样本（例如 50 个个体），无需多次替换（引导程序），以便之后计算新的标准化丰度的多样性指数。

我有一个重采样（下采样）问题，应该很简单，但我做不到！这是一个简化的示例：

时间列以秒为单位。我想将 Time 列设为索引并将数据帧下采样为 1s。请帮忙？

我的数据形式很像 的输出aggregate，只是我没有原始的非聚合数据。

例子：

我想从这批成绩中抽样，例如使用sample. 从这样的汇总计数中抽取样本（无需替换）的最简单方法是什么？

所以我有以下脚本来调整传入 jpg 的大小并将其以新大小保存到服务器。即使我在 imagejpeg 上制作质量 90，创建的 jpg 文件质量也很差。我想知道我是否在我的努力中把它搞砸了。

我什至在将文件输出到服务器之前就搞砸了质量吗？我应该使用重新采样而不是调整大小吗？我坚持使用 GD 库，所以 ImageMagick 不是一个选项。谢谢。

当我显示我重建的图像时，它们只是白色的。我的程序有明显的问题吗？

重建图像应该在上采样2x2像素块中的一个像素处具有下采样图像的值。我在这里使用的插值方法只是从上面的一行中获取值并用它填充下一行，对列重复此过程。

我想在定义的网格单元中将栅格从高分辨率重新采样到低分辨率（具有不同程度）。有没有办法使用现有的光栅文件作为捕捉的输入？

在光栅包中，aggregate似乎resample足够了，但我找不到怎么做。

作为 RI 的新手，很难引导 ICC 输出。我首先设法使用包 ICC 计算“正常”ICC，没有任何问题（ICCbare（主题，变量，icc）），但是当我试图获得一些自举估计时，情况变得更糟......

我从

并在bootstrap中输入icc_boot如下图：

但是我收到一条错误消息，说“选择了未定义的列”，我哪里出错了？

这是我的数据的一小部分输出

结构（列表（subject_id = c（2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 2001, 201） 2001、2001、2001、2001、2001、2001、2001、2001、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002， 2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2002、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003，2003年2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2003、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004，2004年2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2004、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005、2005，2005年2005, 2005, 2005, 2005, 2005, 2005, 2005, 2005, 2005, 2005, 2005, 2005, 2005, 2005, 2005,2005，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，2006，1006，2006， 2006、2006、2006、2006、2006、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007、2007，2007年2007、2007、2007、2007、2007、2007、2007、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008、2008，2008年2008、2008、2008、2008、2008、2008、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009、2009，2009年2009、2009、2009、2009、2009、2009、2009、2009、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013、2013 2013, 2013, 2013, 2013, 2013, 2013, 2013, 2013, 2013, 2013, 2014, 2014, 2014, 2014, 2014, 2014,2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2014、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015 2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2015、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016 2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2016、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018 2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2018、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019 2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2019、2020、2020、2020、2020、2020、2020、2020、2020、2020、2020、2020、2020、2020、2020，2020年2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020, 2020,2020, 2020, 2020, 2020, 2020, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2022, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2023, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2024, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2025, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026, 2026,2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2028, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029, 2029、2029、2029、2029、2029、2029、2029、2029、2029、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030、2030， 2030, 2030, 2030, 2030, 2030, 2030, 2030, 2030, 2030, 2030, 2030, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2031, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2032, 2033, 2033, 2033, 2033,2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033, 2033) , interval_0_epochs = c(7139, 7964, 7775, 6756, 6075, 7184, 7965, 4730, 5957, 7574, 5649, 6496, 9266, 5052, 7090, 7680, 6992, 7151, 6010,4,78,2,6,7,7,8,2,7,6 ，7311、7636、7015、7482、8860、6997、9034、9553、8326、10015、10252、8463、8612、8388、7648、7648、7648、9503、9978 , 8468, 8899, 8984, 10304, 10064, 10398, 9193, 9331, 6866, 7423, 7745, 8525, 7362, 9115, 9509, 8804, 8726, 8668, 8361, 8513, 7670, 9077, 7375, 8148, 5897 , 5507, 6321, 7695, 6222, 9024, 7096, 6490, 6319, 6142, 5225, 6081, 6314, 6391, 7319, 7598, 7921, 7324, 9289, 8792, 7980, 6650, 9045, 7896, 11727, 5953 , 7087, 7624, 9317, 8086, 8307, 9486, 7380, 6613, 7033, 8647, 8366, 8418, 7721,7516, 7337, 9151, 8360, 8149, 8172, 8697, 7589, 7563, 7780, 7108, 8080, 9582, 8381, 6790, 7983, 7047, 8986, 8643, 8941, 7422, 7403, 8101, 8563, 8375, 9329，7192，9250，8455，9013，8342，8889，7306，9580，9110，8256，8547，8547，8852，9636，8893，8893，5919 9280, 9893, 9603, 8839, 6793, 9207, 6338, 8098, 9792, 8984, 8139, 7523, 7976, 7085, 9578, 9935, 5320, 5766, 5379, 5486, 8777, 7699, 8868, 6066, 7084, 6751, 8531, 8740, 8666, 8641, 7429, 8089, 9053, 9535, 8384, 8616, 9236, 6682, 9290, 9121, 7705, 8984, 7770, 8059, 7396, 7239, 7165, 8142, 8547, 8541, 6333、6738、7727、6161、7610、9438、6989、9837、7362、10216、7489、6298、7429、7429、8232、8232、11105、11105、9298、9894 8208、6622、8778、8957、6581、5673、9307、9508、8102、8919、8062、7506、7336、8108、7289、7981、7178, 7832, 8883, 7385, 7457, 9251, 7352, 8616, 8627, 9424, 8164, 8165, 5929, 8102, 7898, 5869, 7621, 7810, 7036, 9570, 9641, 9374, 9176, 7041, 8969, 10233，7924，9788，7966，8258，8258，8052，8032，6406，9471，5572，8715，9241，8367，8131，8131，8436，8436，8436，6280 7785、7505、7725、8303、8562、10182、7215、7741、9008、7688、9240、9275、8710、6537、5577、5577、9483、9483、7891 8229，9448，7637，6615，7959，9973，7997，6366，6227，8287，8225，6409，7757，7847，7847，7847，8833，7231，7231，7231，9390，9390，8580，8580 7740, 8837, 7505, 6812, 7441, 8182, 10256, 10006, 10039, 5824, 7456, 8994, 8455, 9557, 9335, 9455, 9202, 6225, 9778, 8514, 8623, 7856, 7466, 6204, 8513, 8222、8059、8708、8562、8495、9074、7950、5699、7206、6195、8916、5548、7735、6529、6950、7749, 6069, 11814, 9947, 8095, 5562, 6545, 7928, 7363, 5744, 8539, 11186, 9010, 6770, 6353, 8728, 6658, 9627, 7557, 9935, 9522, 8999, 9101, 8817, 7560, 7496，8383，7928，8621，8909，6526，8412，6986，6430，6430，7060，6658，7318，7318，9233，7737，7737，6494，6525 6545, 7386, 8398, 7715, 7371, 7020, 7102, 5490, 7439, 7970, 8951, 7907, 8338, 6628, 7355, 7263, 7143, 6317, 7054, 8820, 7769, 8847, 8375, 7718, 7145, 8409, 7299, 7330, 6336, 6645, 8336, 6615, 8552, 9186, 7450, 8100, 8839, 9340, 10206, 8046, 9019, 7946, 7132, 8855, 9794, 8526, 6787, 8849, 8543, 7010, 8509, 8985, 10006, 7851, 7777, 7715, 7654, 8957, 7865, 9502, 7920, 7096, 8862, 8533, 9430, 8213, 10100, 8090, 6765, 8363, 8190, 8202, 7147, 9803, 8623, 8018、8007、8577、7853、9258、8648、6743、8122、7506、8103、8353、9713、9234、8536、7996、7801、8101、7831、8615、5582、6412、7942、7756、8055、7733、9139、6097、6522、8634、6966、6966、8747 7036, 6447, 6842, 7263, 7933, 8341, 8561, 8260, 7014, 7736, 7140, 9504, 8168, 7849, 7569, 5815, 7675, 8182, 8645, 8136, 8825, 7330, 6910, 8251, 7572, 7488，7942，7405，8453​​，7153，6338，9165，9165，9081，9906，10001，13219，6428，8828，8823，8823，8095，7829，7829，7829，6467，6490，9490 7845, 7492, 8920, 8471, 9309, 8894, 10783, 6277, 9295, 8056, 7700, 8387, 7652, 8966, 8037, 6797, 7036, 8350, 8173, 8377, 8089, 8515, 8950, 8549, 6849, 8293、6532、8928、7450、8357、8742、8255、7542、8289、9325、7570、7743、7104、7844、8656、8656、8301、8301、8481 5938、4595、7965、8776、7360、8822、6776、4204、8615、7717、8500、7300、4311、6504、7568、6402, 8955, 9376, 9580, 7262, 6800, 7713, 8651, 8459, 7432, 7706, 9216, 8085, 9191, 8001, 7503, 8905, 8036, 8882, 6344, 10359, 5644, 6319, 7890, 6502, 6354，9649，7130，8179，6596，7122，7122，8357，7465，8471，7603，7603，9387，7391，6547，7959，7137，7137，8401 6143, 6586, 8742)), .Names = c("subject_id", "interval_0_epochs"), row.names = c(NA, 725L), class = "data.frame")名称= c（NA，725L），类=“data.frame”）名称= c（NA，725L），类=“data.frame”）