按分类样本数占比形成并任意获取样本数据
By:授客 QQ：1033553122
开发工具
win 10
python 3.6.5
要求
已经知道样本分类 ，每个分类的样本占比数 ，及样本数量，必须任意获取这种分类的样本。例如 ，是我4种每日任务 ，各自为每日任务A，每日任务B ，每日任务C ，每日任务D, 每个每日任务必须反复执行的总频次为1000，每一次执行任意获取一种每日任务来执行，不一样分类每日任务执行频次占比为 A:B:C:D = 3:5:7:9
编码完成
#!/usr/bin/env python # -*- coding:utf-8 -*- __author__ = 'shouke' import random def get_class_instance_by_proportion(class_proportion_dict, amount): """ 依据每个分类的样本数占比 ，及样本数量 ，为常常种分类结构样本数据 class_proportion_dict: 包括分类以及分类样本数占比的词典：{"分类(id)": 分类样本数占比} amount: 全部分类的样本数量总数 回到一个目录：包括全部分类样本的list """ bucket = [] proportion_sum = sum([weight for group_id, weight in class_proportion_dict.items()]) residuals = {} # 储放每个分类的样本数测算误差 for class_id, weight in class_proportion_dict.items(): percent = weight / float(proportion_sum) class_instance_num = int(round(amount * percent)) bucket.extend([class_id for x in range(class_instance_num)]) residuals[class_id] = amount * percent - round(amount * percent) if len(bucket) < amount: # 测算获取的分类样本数量低于给出的分类样本数量，则必须提升分类样本数,优先选择给样本数测算误差较小的分类提升样本数 ，每个分类样本数 1 ，直至考虑总数已经 for class_id in [l for l, r in sorted(residuals.items(), key=lambda x: x[1], reverse=True)][: amount - len(bucket)]: bucket.append(class_id) elif len(bucket) > amount: # # 测算获取的分类样本数量超过给出的分类样本数量，则必须降低分类样本数,优先选择给样本数测算误差很大的分类降低样本数 ，每个分类样本数-1 ，直至考虑总数已经 for class_id in [l for l, r in sorted(residuals.items(), key=lambda x: x[1])][: len(bucket) - amount]: bucket.remove(class_id) return bucket class A: def to_string(self): print('A class instance') class B: def to_string(self): print('B class instance') class C: def to_string(self): print('C class instance') class D: def to_string(self): print('D class instance') classes_map = {1: A, 2: B, 3:C, 4: D} class_proportion_dict = {1: 3, 2: 5, 3:7, 4: 9} # {分类id: 样本数占比} ，即期待4个分类的样本数占比为 3:5:7:9 class_instance_num = 1000 # 样本数量 result_list = get_class_instance_by_proportion(class_proportion_dict, class_instance_num) for class_id in class_proportion_dict: print('%s %s' % (classes_map[class_id], result_list.count(class_id))) # 生产制造样本并任意获取样本 random.shuffle(result_list) while result_list: class_id = random.sample(result_list, 1)[0] classes_map[class_id]().to_string() result_list.remove(class_id)
运作結果
表明
之上方法大概完成构思便是在了解总样本数的状况下 ，提早为每个分类形成样本 ，随后任意获取，按这类方法能够完成较为精确的結果 ，可是得提早了解样本数量及不一样分类样本数占比
