MATLAB：从每个类中抽取具有相同数量值的样本

Question

我有一个完整的数据集，可以说是 50000 个观察值，这些观察值分配给 16 个类。 我现在想绘制一个样本，假设是全部数据的 70%，但我希望 MATLAB 从每个类中抽取相同数量的样本（当然，如果可能的话，因为某些类的数量比需要的少）

是否有可以做到这一点的 MATLAB 函数，或者我必须自己编写一个新函数？我只是想在这里节省时间。

我找到了cvpartition，但据我所知，这只能用于抽取与原始数据集在类上具有相同分布的样本，而不是均匀分布的样本。

感谢您的帮助！

Answer 1

应该不会太难。假设观察结果位于向量observations 中。然后就可以了

fraction = 0.7;

classes = unique(observations);
nObs = length(observations);
nClasses = length(classes);
nSamples = round(nObs * fraction / nClasses);

for ii = 1:nClasses
    idx = observations == classes(ii);
    samples((ii-1)*nSamples+1:ii*nSamples) = randsample(observations(idx), nSamples);
end

现在samples 是一个长度为nClasses * nsamples 的向量，其中包含您的抽样观察，每个类别的数量相同。

目前，如果其中一个类不包含至少 nSamples 观察值，它将失败。最简单的解决方法是将附加参数 'replace','true' 添加到对 randsample 的调用中，这将告诉它在被选中后替换每个观察值。