等频采样数据

Question

我有一个标签向量labels，其中包含 10 个 class 的 60000 个对象的标签信息（每个 class 有 6000 个样本）。

我需要随机抽取1000个样本，还要保证每个100个class。

Answer 1

我假设您的数据是随机排序的？所以像这样（为了简单起见，我将只使用 3 个 class、1、2 和 3）：

data = [ones(n,1); ones(n,1)*2; ones(n,1)*3];
data = data(randperm(numel(data)));

所以现在你想要 m*3 个样本，每个 class 个样本有 m 个样本（其中 m <= n）。最自然的方法是对每个 class 精确 m 个样本不那么严格，只选择 m*3 个样本 uniformly-randomly:

idx = randperm(numel(data));
sample = data(numel(data))

请注意，如果您有统计工具箱，则可以使用 randsample 而不是 randperm。

但是，如果您必须准确地 m 每个样本，那么应该这样做。请注意，我的目标是获取索引而不是值，因为我认为这更符合您的要求：

classes = unique(data);
k = numel(classes);
idx = false(m*3,1);
for class = 1:k
    %// find the element numbers for each element of that class
    idxForClass = find(data == classes(class));
    %// Shuffle them randomly
    idxForClassShuffled = idxForClass(randperm(numel(idxForClass)));  %// or numel(n)
    %// Pick the first m from the shuffled list
    idx(idxForClassShuffelled(1:m)) = true;
end

现在，当您想要恢复数据时，只需执行

data(idx)

或更可能是 data(idx,:) 之类的东西，因为您的 data 可能不是向量。但在那种情况下，您需要将我代码中的 numel 更改为 size(data,1) 或类似的

等频采样数据

sampling data with equal frequency

matlab

sample