Pengambilan Sampel Acak - Platform For AI

Pengambilan Sampel Acak adalah teknik untuk mengekstraksi sampel dari kumpulan data input. Teknik ini melibatkan pemilihan sampel secara acak berdasarkan rasio atau jumlah tertentu untuk menghasilkan subset. Setiap proses pengambilan sampel bersifat independen, memastikan bahwa setiap sampel memiliki probabilitas yang sama untuk dipilih, dan pemilihan satu sampel tidak mempengaruhi pemilihan sampel lainnya. Metode ini umum digunakan untuk membuat kumpulan data pelatihan dan pengujian, memastikan keadilan dan representasi dalam evaluasi model, serta sangat cocok untuk pemrosesan data skala besar.

Konfigurasi komponen

Metode 1: Konfigurasikan komponen di halaman pipeline

Tambahkan komponen Random Sampling di halaman pipeline dan konfigurasikan parameter berikut:

Kategori	Parameter	Deskripsi
Parameters Setting	Sample Size	Nilai harus berupa bilangan bulat positif.
	Sampling Fraction	Nilai harus berupa bilangan desimal. Nilai valid: (0,1).
	Sampling with Replacement	Selama proses pengambilan sampel acak, setiap sampel yang dipilih dikembalikan ke kumpulan data asli, sehingga sampel tersebut dapat dipilih lagi dalam pengambilan sampel berikutnya.
	Random Seed	Secara default, sistem menentukan nilainya.
Tuning	Cores	Nilai harus berupa bilangan bulat positif. Secara default, sistem menentukan nilainya.
Tuning	Memory Size per Core	Nilai harus berupa bilangan bulat positif. Satuan: MB. Nilai valid: (1,65536). Secara default, sistem menentukan nilainya.

Metode 2: Gunakan perintah PAI

Konfigurasikan parameter komponen menggunakan perintah PAI. Anda dapat menggunakan komponen SQL Script untuk memanggil perintah PAI. Untuk informasi lebih lanjut, lihat SQL Script.

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

Parameter	Diperlukan	Nilai default	Deskripsi
inputTableName	Ya	Tidak ada	Nama tabel input.
inputTablePartitions	Tidak	Tidak ada	Partisi yang dipilih dari tabel input untuk pelatihan. Format berikut didukung: partition_name=value name1=value1/name2=value2: partisi multi-level Catatan Pisahkan beberapa partisi dengan koma (,). Contoh: name1=value1,value2.
outputTableName	Ya	Tidak ada	Nama tabel output.
sampleSize	Tidak	Tidak ada	Jumlah sampel. Catatan Jika parameter sampleSize dan sampleRatio kosong, kesalahan akan dikembalikan. Jika kedua parameter sampleSize dan sampleRatio ditentukan, parameter sampleSize memiliki prioritas.
sampleRatio	Tidak	Tidak ada	Proporsi pengambilan sampel. Nilai harus berupa bilangan desimal. Nilai valid: (0,1).
replace	Tidak	false	Menentukan apakah pengambilan sampel dengan pengembalian diaktifkan. Nilai harus bertipe BOOLEAN.
randomSeed	Tidak	Ditentukan oleh sistem	Seed acak. Nilai harus berupa bilangan bulat positif.
lifecycle	Tidak	Tidak ada	Lifecycle tabel output. Nilai valid: [1,3650].
coreNum	Tidak	Ditentukan oleh sistem	Jumlah core yang digunakan dalam komputasi. Nilai harus berupa bilangan bulat positif.
memSizePerCore	Tidak	Ditentukan oleh sistem	Ukuran memori setiap core. Nilai valid: (1,65536). Satuan: MB.