分層採樣 - Platform For AI

分層採樣演算法是一種資料抽樣方法，通過指定的分組列將資料集劃分為多個層或組，並在每個組內獨立地進行隨機抽樣。此方法確保每個組在樣本中都有適當的代表性，從而提高樣本的整體代表性，特別適用於處理資料不平衡問題。通過這種方式，分層採樣有助於提升模型訓練的準確性和穩定性。

配置組件

方式一：可視化方式

在Designer工作流程頁面添加分層採樣組件，並在介面右側配置相關參數：

參數類型	參數	描述
欄位設定	分組列	選擇分組欄欄位，分層按照此列劃分。
參數設定	採樣個數	取值為正整數。
	採樣比例	取值為浮點數，範圍(0,1)。
	隨機種子值	系統自動產生，預設值為1234567。
執行調優	計算核心數	取值為正整數，預設系統自動分配。
執行調優	每個核記憶體大小	取值為正整數，範圍(1, 65536)，預設系統自動分配。

方式二：PAI命令方式

使用PAI命令配置分層採樣組件參數。您可以使用SQL指令碼組件進行PAI命令調用，詳情請參見情境4：在SQL指令碼組件中執行PAI命令。

PAI -name StratifiedSample
    -project algo_public
    -DinputTableName="test_input"
    -DoutputTableName="test_output"
    -DstrataColName="label"
    -DsampleSize="A:200,B:300,C:500"
    -DrandomSeed=1007
    -Dlifecycle=30;

參數	是否必選	預設值	參數描述
inputTableName	是	無	輸入表的名稱。
inputTablePartitions	否	所有分區	輸入表中，參與訓練的分區。支援以下格式： Partition_name=value name1=value1/name2=value2：多級格式說明指定多個分區時，分區之間使用英文逗號（,）分隔，例如name1=value1,value2。
outputTableName	是	無	輸出結果表。
strataColName	是	無	層次列，即按照此列作為key分層。
sampleSize	否	無	採樣個數，取值：正整數：表示每個層的採樣個數。字串：格式為strata0:n0，strata1:n1，表示每個層分別配置的採樣個數。說明當sampleSize與sampleRatio都為空白時，系統會報錯。當sampleSize與sampleRatio都不為空白時，以sampleSize為準。
sampleRatio	否	無	採樣比例，取值：數字：範圍(0,1)，表示每個stratum的採樣比例。字串：格式為strata0:r0,strata1:r1，表示每個層分別配置採樣比例。
randomSeed	否	123456	隨機數種子，取值範圍為正整數。
lifecycle	否	無	輸出表的生命週期，取值範圍為[1,3650]。
coreNum	否	系統自動分配	計算的核心數目，取值範圍為正整數。
memSizePerCore	否	系統自動分配	每個核心的記憶體（單位是MB），取值範圍為(1, 65536)。