在數據挖掘中，如何從大型數據集中提取最具代表性的子集？

Question

我有一個數據集有35萬行數據和23列，我想從中提取10000行和23列，這將最能代表父數據。

Answer 1

您的問題的答案太籠統了。因爲你正在尋找最有代表性的一組，我建議一些東西

數據

1. 使用隨機子採樣，取樣進行無需更換。使用交叉驗證以最大的準確度獲得該集合。但要明白，抽樣是隨機的。

2. 使用分層採樣 - 將數據聚類到組中。然後從每個組採樣數據點以確保數據集的更多表示。

3. 使用整個數據集並使用神經網絡構建模型。通常他們使用更多的數據。