随机采样 - 人工智能平台 PAI

随机采样算法是一种从输入数据集中提取样本的技术，依据指定的比例或数量，随机选择样本以生成子集。每次采样过程都是独立的，确保每个样本被选中的概率相等且不受其他样本选择的影响。该方法常用于创建训练和测试数据集，以保证模型评估的无偏性和代表性，特别适用于大规模数据处理。

配置组件

方式一：可视化方式

在Designer工作流页面添加随机采样组件，并在界面右侧配置相关参数：

参数类型	参数	描述
参数设置	采样个数	取值为正整数。
	采样比例	取值为浮点数，范围(0,1)。
	放回采样	在随机采样过程中，每次选择样本后，将其放回原数据集，使得该样本在后续的采样中仍然有可能被再次选择。
	随机数种子	默认系统自动生成。
执行调优	核心数	取值为正整数，默认系统自动分配。
执行调优	核内存分配	取值为正整数，单位为MB，范围(1, 65536)，默认系统自动分配。

方式二：PAI命令方式

使用PAI命令配置随机采样组件参数。您可以使用SQL脚本组件进行PAI命令调用，详情请参见场景4：在SQL脚本组件中执行PAI命令。

PAI -name RandomSample
    -project algo_public
    -Dlifecycle="28"
    -DoutputTableName="test2"
    -Dreplace="false"
    -DsampleSize="500"
    -DinputPartitions="pt=20150501"
    -DinputTableName="bank_data_partition";

参数名称	是否必选	默认值	参数描述
inputTableName	是	无	输入表的名称。
inputTablePartitions	否	无	输入表中，参与训练的分区。支持以下格式： partition_name=value name1=value1/name2=value2：多级格式说明指定多个分区时，分区之间使用英文逗号（,）分隔，例如name1=value1,value2。
outputTableName	是	无	输出结果表。
sampleSize	否	无	采样个数。说明当sampleSize与sampleRatio都为空时，系统会报错。当sampleSize与sampleRatio都不为空时，以sampleSize为准。
sampleRatio	否	无	采样比例，浮点数，范围(0,1)。
replace	否	false	是否放回，BOOLEAN类型。
randomSeed	否	系统自动分配	随机数种子，取值范围为正整数。
lifecycle	否	无	输出表的生命周期，取值范围为[1,3650]。
coreNum	否	系统自动分配	计算的核心数目，取值范围为正整数。
memSizePerCore	否	系统自动分配	每个核心的内存（单位是MB），取值范围为(1, 65536)。