沒有 scikit-learn 的 Python 中的分層采樣

Question

我有一個向量，其中包含樣本 1 的 10 個值和樣本 2 的 25 個值。

Fact = np.array((2,2,2,2,1,2,1,1,2,2,2,1,2,2,2,1,2,2,2,1,2,2,1,1,2,1,2,2,2,2,2,2,1,2,2))

我想創建一個分層輸出向量，其中：

樣本 1 分為 80%：8 個 1 值和 20%：2 個 0 值。

樣本 2 分為 80%：20 個 1 值和 20%：5 個 0 值。

預期的輸出將是：

Output = np.array((0,1,1,1,0,1,1,1,1,0,1,1,1,0,1,1,1,0,1,0,1,1,1,1,1,1,1,0,1,1,1,1,1,1,1))

我怎樣才能自動化呢？ 我不能使用 scikit-learn 的采樣功能，因為它不是用於機器學習體驗。

Answer 1

這是獲得所需結果的一種方法，增加了輸出的可重復性。 我們從輸入（ fact ）數組中為兩組中的每一個繪制隨機索引值，無需替換。 然后，我們創建一個新的輸出數組，我們在與繪制的索引值對應的位置分配1並在其他任何位置分配0 。

import numpy as np
from numpy.random import RandomState

rng = RandomState(123)

fact = np.array(
    (2,2,2,2,1,2,1,1,2,2,2,1,2,2,2,1,2,2,2,1,2,2,1,1,2,1,2,2,2,2,2,2,1,2,2),
    dtype='int8'
)

idx_arr = np.hstack(
    (
        rng.choice(np.argwhere(fact == 1).flatten(), 8, replace=False),
        rng.choice(np.argwhere(fact == 2).flatten(), 20, replace=False),
    )
)

out = np.zeros_like(fact, dtype='int8')
np.put(out, idx_arr, 1)

print(out)
# [0 0 1 1 1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 1 1 0 1 1 1 1 0 1 1 1 1 1 0 1 1]