一種抽樣方法和裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及計(jì)算機(jī)應(yīng)用領(lǐng)域，特別是設(shè)及一種抽樣方法和裝置。
【背景技術(shù)】
[0002] 目前，在網(wǎng)站用戶調(diào)研或者網(wǎng)站用戶分析中，常常需要對(duì)用戶進(jìn)行抽樣，使得樣本 盡量多的保留總體信息。
[0003] 現(xiàn)有的用戶抽樣方案，主要包括下述步驟：
[0004] 步驟XI、對(duì)需要調(diào)研的用戶總體進(jìn)行分群，得到若干用戶群。
[0005] 步驟x2、對(duì)于每個(gè)用戶群，采用隨機(jī)抽取的方式，從中抽取樣本。
[0006] 步驟x3、將抽取到的所有用戶群的樣本合并，得到所述用戶總體的樣本集合。
[0007] 從上述方案可W看出，現(xiàn)有的用戶抽樣方法采用隨機(jī)抽取的方法進(jìn)行樣本的抽 取，該樣，每個(gè)用戶被抽取的概率相同。而在實(shí)際應(yīng)用中，不同樣本間的相似度不同，采用隨 機(jī)抽取的方式，就會(huì)導(dǎo)致可能出現(xiàn)被抽取到的多個(gè)用戶的相似度較高，而差異性大的用戶 沒(méi)有被抽取到的情況，該樣，就會(huì)導(dǎo)致抽取過(guò)程中總體信息流失過(guò)多，所抽取到的樣本集合 不能準(zhǔn)確地反映用戶總體的特點(diǎn)，即每個(gè)樣本的代表性不強(qiáng)。
[0008] 由此可見，現(xiàn)有的抽樣方案由于采用隨機(jī)抽取的方式，而存在總體信息流失多、樣 本無(wú)法反映總體的問(wèn)題，從而會(huì)影響基于樣本進(jìn)行用戶分析的準(zhǔn)確性。

【發(fā)明內(nèi)容】

[0009] 有鑒于此，本發(fā)明的主要目的在于提供一種抽樣方法和裝置，可W減少抽樣過(guò)程 中總體信息的流失，提高樣本反映總體的準(zhǔn)確度。
[0010] 為了達(dá)到上述目的，本發(fā)明提出的技術(shù)方案為：
[0011] 一種抽樣方法，包括：
[0012] 將數(shù)據(jù)對(duì)象總體的特征劃分為分類特征和拉了特征，其中，每個(gè)所述拉了特征的 取值個(gè)數(shù)大于每個(gè)所述分類特征的取值個(gè)數(shù)，且所述拉了特征的數(shù)量q滿足；q= 2t，r為 大于1的整數(shù)；
[0013] 根據(jù)所述分類特征，對(duì)所述數(shù)據(jù)對(duì)象總體進(jìn)行分群，其中，每個(gè)數(shù)據(jù)對(duì)象群i中的 拉了特征的數(shù)量di滿足：為大于1的整數(shù)；
[0014] 對(duì)于每個(gè)數(shù)據(jù)對(duì)象群i，構(gòu)建該群使用的近似正交的拉了超立方體N0L皿群組，其 中，所述N0L皿群組中每個(gè)拉了超立方體的列數(shù)等于該群對(duì)應(yīng)的所述di;對(duì)群中每個(gè)拉了 特征的取值進(jìn)行歸類處理，所述歸類處理后每個(gè)拉了特征的枚舉值數(shù)量均為預(yù)設(shè)的該群的 單位特征枚舉數(shù)闊值li;利用該群對(duì)應(yīng)的所述N0L皿群組，確定一個(gè)拉了超立方體作為該 群用于抽樣的拉了超立方體，其中，所確定的拉了超立方體的行數(shù)等于所述li;利用所確定 的拉了超立方體，對(duì)該群中的數(shù)據(jù)對(duì)象進(jìn)行抽樣；
[0015] 將所有數(shù)據(jù)對(duì)象群的抽樣結(jié)果合并，得到所述數(shù)據(jù)對(duì)象總體的樣本。
[0016] 一種抽樣裝置，包括：
[0017] 特征分類單元，用于將數(shù)據(jù)對(duì)象總體的特征劃分為分類特征和拉了特征，其中，每 個(gè)所述拉了特征的取值個(gè)數(shù)大于每個(gè)所述分類特征的取值個(gè)數(shù)，且所述拉了特征的數(shù)量q 滿足；q= 2t，r為大于1的整數(shù)；
[0018] 分群?jiǎn)卧?，用于根?jù)所述分類特征，對(duì)所述數(shù)據(jù)對(duì)象總體進(jìn)行分群，其中，每個(gè)數(shù) 據(jù)對(duì)象群i中的拉了特征的數(shù)量Qi滿足：A= 2'=，為大于1的整數(shù)；
[0019] 抽樣單元，用于對(duì)于每個(gè)數(shù)據(jù)對(duì)象群i，構(gòu)建該群使用的近似正交的拉了超立方體 N0L皿群組，其中，所述N0L皿群組中每個(gè)拉了超立方體的列數(shù)等于該群對(duì)應(yīng)的所述di;對(duì) 群中每個(gè)拉了特征的取值進(jìn)行歸類處理，所述歸類處理后每個(gè)拉了特征的枚舉值數(shù)量均為 預(yù)設(shè)的該群的單位特征枚舉數(shù)闊值li;利用該群對(duì)應(yīng)的所述N0L皿群組，確定一個(gè)拉了超 立方體作為該群用于抽樣的拉了超立方體，其中，所確定的拉了超立方體的行數(shù)等于所述 li;利用所確定的拉了超立方體，對(duì)該群中的數(shù)據(jù)對(duì)象進(jìn)行抽樣；
[0020] 樣本匯總單元，用于將所有數(shù)據(jù)對(duì)象群的抽樣結(jié)果合并，得到所述數(shù)據(jù)對(duì)象總體 的樣本。
[0021] 綜上所述，本發(fā)明提出的抽樣方法和裝置，將數(shù)據(jù)對(duì)象總體的特征劃分為分類特 征和拉了特征，根據(jù)分類特征對(duì)總體進(jìn)行分群，然后利用拉了超立方體（N0LHD)抽樣方法， 在每個(gè)群內(nèi)進(jìn)行抽樣。如此，通過(guò)對(duì)總體分群、各群內(nèi)單獨(dú)拉了超立方體抽樣，可W實(shí)現(xiàn)對(duì) 每個(gè)樣本的控制，減少抽樣的隨機(jī)性，提升樣本的代表性，從而可W使得樣本可W準(zhǔn)確地反 映總體的情況。
【附圖說(shuō)明】
[0022] 圖1為本發(fā)明實(shí)施例的方法流程示意圖；
[0023] 圖2為本發(fā)明實(shí)施例的裝置結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0024] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖及具體實(shí)施例對(duì) 本發(fā)明作進(jìn)一步地詳細(xì)描述。
[002引本發(fā)明的核屯、思想是：將拉了超立方體（N0LHD)抽樣引入到了用戶抽樣中，首先 將總體的特征抽象為分類特征和拉了特征，然后根據(jù)分類特征對(duì)用戶總體分群，然后對(duì)于 每個(gè)用戶群，結(jié)合N0L皿群組，進(jìn)行抽樣。如此，通過(guò)對(duì)總體分群、各群內(nèi)單獨(dú)拉了超立方體 抽樣，可W實(shí)現(xiàn)對(duì)每個(gè)樣本的控制，減少抽樣的隨機(jī)性，提升樣本的代表性，從而可W使得 樣本更能反映總體的情況。
[0026] 圖1為本發(fā)明實(shí)施例一的流程示意圖，如圖1所示，該實(shí)施例主要包括：
[0027] 步驟101、將數(shù)據(jù)對(duì)象總體的特征劃分為分類特征和拉了特征，其中，每個(gè)所述拉 了特征的取值個(gè)數(shù)大于每個(gè)所述分類特征的取值個(gè)數(shù)，且所述拉了特征的數(shù)量q滿足；q= 2t，r為大于1的整數(shù)。
[0028] 本步驟，用于對(duì)數(shù)據(jù)對(duì)象總體所包含的所有特征進(jìn)行分類，即分為分類特征和拉 了特征。在實(shí)際應(yīng)用中，所述數(shù)據(jù)對(duì)象可W是用戶在計(jì)算機(jī)存儲(chǔ)中存在的數(shù)值單元。
[0029] 該里特征分類的依據(jù)是：特征的取值個(gè)數(shù)。拉了特征的取值個(gè)數(shù)將大于所述分類 特征的取值個(gè)數(shù)，并且需要使得拉了特征的數(shù)量q為2的幕次方，即滿足；q= 2t。
[0030] 其中，分類特征，是用于依據(jù)此進(jìn)行分類的特征，該類特征的取值有限并且枚舉值 很少，如用戶的注冊(cè)來(lái)源、用戶的下單渠道等，因此，據(jù)此分類不會(huì)導(dǎo)致分類后的群中數(shù)據(jù) 對(duì)象數(shù)量過(guò)少的問(wèn)題。
[0031] 對(duì)于拉了特征，該類特征的取值為連續(xù)的，或者枚舉值很多。如用戶的下單地址， 用戶的下單金額、用戶的下單量等。利用該類特征，可W構(gòu)建相應(yīng)的拉了超立方體，基于拉 了超立方體抽樣，使得抽樣結(jié)果的特征分布盡量與總體的特征分布相一致，從而確保樣本 的代表性。
[0032] 步驟102、根據(jù)所述分類特征，對(duì)所述數(shù)據(jù)對(duì)象總體進(jìn)行分群，其中，每個(gè)數(shù)據(jù)對(duì)象 群i中的拉了特征的數(shù)量Qi滿足：9, = 2'=，r;為大于1的整數(shù)。
[0033] 本步驟，用分類特征進(jìn)行分類，分類后的各群中拉了特征的數(shù)量應(yīng)為2的幕次方， W便可W基于此構(gòu)建相應(yīng)的用于抽樣的拉了超立方體。
[0034] 步驟103、對(duì)于每個(gè)數(shù)據(jù)對(duì)象群i，構(gòu)建該群使用的近似正交的拉了超立方體 N0L皿群組，其中，所述N0L皿群組中每個(gè)拉了超立方體的列數(shù)等于該群對(duì)應(yīng)的所述di;對(duì) 群中每個(gè)拉了特征的取值進(jìn)行歸類處理，所述歸類處理后每個(gè)拉了特征的枚舉值數(shù)量均為 預(yù)設(shè)的該群的單位特征枚舉數(shù)闊值li;利用該群對(duì)應(yīng)的所述N0L皿群組，確定一個(gè)拉了超 立方體作為該群用于抽樣的拉了超立方體，其中，所確定的拉了超立方體的行數(shù)等于所述 li;利用所確定的拉了超立方體，對(duì)該群中的數(shù)據(jù)對(duì)象進(jìn)行抽樣。
[00巧]本步驟，對(duì)于每個(gè)數(shù)據(jù)對(duì)象群i，構(gòu)建該群使用的近似正交的拉了超立方體N0LHD群組，然后再?gòu)闹羞x擇出適用于該群抽樣的拉了超立方體，并利用該拉了超立方體，對(duì)該群 中的數(shù)據(jù)對(duì)象進(jìn)行抽樣。
[0036] 該里為了便于理解，先介紹一下拉了超立方體的特點(diǎn)W及構(gòu)建方法。
[0037] 近似正交的拉了超立方體的設(shè)計(jì)（N0LHD);
[003引將n個(gè)試驗(yàn)、m個(gè)因子的拉了超立方體設(shè)計(jì)記為；L(n，m) = (li，l2，...，U，其中Ij是第j個(gè)因子，并且每個(gè)因子的n個(gè)水平是等距的。簡(jiǎn)單的說(shuō)，L(n，m)就是一個(gè)nXm的 矩陣，每列的元素都是同一個(gè)等差數(shù)列，但排列方式不一樣。
[003引 N0L皿是基于現(xiàn)有的孤(n)方陣構(gòu)建得到的，n為方陣的階數(shù)。
[0040] 0D(n)方陣的定義（具體見yangandliu(2012));
[0041] 一個(gè)nXn的方陣A,如果它滿足下面S個(gè)條件，那么就稱它為0D(n)方陣：
[00