我正在尝试以包含的方式将数据集进行亚样本,就像在袋装时不获取整个样品。
示例:
数据集
dataset = array([[ 1.1, 1.2, 1.3, 1.4, 1.5, 1.6, 1.7, 1.8, 1.9],
[ 2.1, 2.2, 2.3, 2.4, 2.5, 2.6, 2.7, 2.8, 2.9],
[ 3.1, 3.2, 3.3, 3.4, 3.5, 3.6, 3.7, 3.8, 3.9],
[ 4.1, 4.2, 4.3, 4.4, 4.5, 4.6, 4.7, 4.8, 4.9],
[ 5.1, 5.2, 5.3, 5.4, 5.5, 5.6, 5.7, 5.8, 5.9],
[ 6.1, 6.2, 6.3, 6.4, 6.5, 6.6, 6.7, 6.8, 6.9],
[ 7.1, 7.2, 7.3, 7.4, 7.5, 7.6, 7.7, 7.8, 7.9],
[ 8.1, 8.2, 8.3, 8.4, 8.5, 8.6, 8.7, 8.8, 8.9],
[ 9.1, 9.2, 9.3, 9.4, 9.5, 9.6, 9.7, 9.8, 9.9],
[10.1, 10.2, 10.3, 10.4, 10.5, 10.6, 10.7, 10.8, 10.9],
[11.1, 11.2, 11.3, 11.4, 11.5, 11.6, 11.7, 11.8, 11.9],
[12.1, 12.2, 12.3, 12.4, 12.5, 12.6, 12.7, 12.8, 12.9],
[13.1, 13.2, 13.3, 13.4, 13.5, 13.6, 13.7, 13.8, 13.9],
[14.1, 14.2, 14.3, 14.4, 14.5, 14.6, 14.7, 14.8, 14.9],
[15.1, 15.2, 15.3, 15.4, 15.5, 15.6, 15.7, 15.8, 15.9],
[16.1, 16.2, 16.3, 16.4, 16.5, 16.6, 16.7, 16.8, 16.9],
[17.1, 17.2, 17.3, 17.4, 17.5, 17.6, 17.7, 17.8, 17.9]])
所需的子样本:
array([[5.5, 5.6, 5.7],
[6.5, 6.6, 6.7]])
这可以通过双切片来完成:
dataset[4:, 4:][:2, :3]
现在,这样的子样本似乎只是最佳的(相当慢(。如果有更好的方法,我正在徘徊,也许使用np.sample
或np.take
使用列表理解。
编辑:我希望从数据集中获取多个子样本,每个子示例都是随机的。
编辑2:关于每个子样本> 2和< =功能数量的功能数量。关于该样品的数量应包含大约60%的给定数据集。
编辑3:所有子样本的形状都应相同。shape = (X, 0.6*len(dataset)) where X is in range [2, number_of_columns]
如果您总是从数据中采样连续矩形,则使用
进行索引dataset[4:6, 4:7]
应该比
"更好"(更快(dataset[4:, 4:][:2, :3]
由于前者避免创建中间视图,并直接在2d-ndarray上进行迭代。
可以使用ipython %timeit
魔术来确认这一点:
In [11]: %timeit dataset[4:6, 4:7]
216 ns ± 0.896 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
In [12]: %timeit dataset[4:, 4:][:2, :3]
419 ns ± 11.9 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)