保留類別比例的取樣方式。
先將總體的單位按某種特徵分為若干次級總體（層），然後再從每一層內進行單純隨機抽樣，組成乙個樣本。分層可以提高總體指標估計值的精確度，它可以將乙個內部變異很大的總體分成一些內部變異較小的層（次總體）。
每一層內個體變異越小越好，層間變異則越大越好。例項介紹
例如，通過對包含1000個樣本的資料集d進行分層抽樣而獲得70%樣本的訓練集s和含30%樣本的測試集t，若d包含500個正例、500個反例，則分層取樣得到的s應包含350個正例、350個反例，而t則包含150個正例、150個反例；
若s、t中樣本類別比例差別很大，則誤差估計將由於訓練/測試資料分布的差異而產生偏差。
降取樣，過取樣，欠取樣，子取樣，下取樣，上取樣
取樣 2048hz對訊號來說是過取樣了，事實上只要訊號不混疊就好 滿足尼奎斯特取樣定理 所以可 以對過取樣的訊號作抽取，即是所謂的 降取樣 在現場中取樣往往受具體條件的限止，或者不存在300hz的取樣率，或除錯非常困難等等。若 r 1，則rfs 2就遠大於音訊訊號的最高頻率fm，這使得量化雜訊大部分...
降取樣，過取樣，欠取樣，子取樣，下取樣，上取樣
取樣 2048hz對訊號來說是過取樣了，事實上只要訊號不混疊就好 滿足尼奎斯特取樣定理 所以可 以對過取樣的訊號作抽取，即是所謂的 降取樣 在現場中取樣往往受具體條件的限止，或者不存在300hz的取樣率，或除錯非常困難等等。若 r 1，則rfs 2就遠大於音訊訊號的最高頻率fm，這使得量化雜訊大部分...
降取樣，過取樣，欠取樣，子取樣，下取樣
這幾天看了一篇將關於降取樣，過取樣，欠取樣，子取樣，下取樣 的文章，寫的挺好的，直接給出鏈結，文章比較長不貼過來了。簡單的說 過取樣是取樣頻率大於最高頻率的兩倍 奈奎斯特取樣率 實際對低通訊號取樣也是2.5倍左右過取樣。欠取樣就是小於奈奎斯特取樣率，應該就指帶通取樣吧。上取樣和下取樣其實對數碼訊號進...