基于卡方检验的大数据抽样工具
介绍
抽样是数据科学中的基本方法之一。它可以降低数据规模并简化计算。本工具包给出一种保持分布不变性的抽样工具，使得即使在小样本数据量下也不会影响这些数据分析模型的准确性。本工具包基于皮尔逊检验的保持分布不变的启发式抽样压缩算法。该算法基于两个评分函数进行抽样，其中一个评分函数基于皮尔逊检验，另一个评分函数基于似然函数。
使用方法
大数据抽样压缩工具含两个版本：Matlab版和Python版。
两个版本的功能一致，但Matlab版的运行速度比Python版快。
Matlab版依赖于Matlab v9.7（2019b）运行时环境。若已经安装了Matlab 2019b，则可以在Matlab命令行窗口输入mrcinstaller直接安装。另外，可以从[网址](https://www.mathworks.com/products/compiler/mcr/index.html)中下载Matlab2019b对应的运行环境。
Python版直接运行源码网址下的文件
hsa_python_with_ui/hsa_python_with_ui/hsa_python_with_ui.pyMatlab版直接运行源码网址下的文件
hsa_matlab_with_ui/hsa_matlab_with_ui/hsa_matlab_with_ui.py更详细的内容请参考项目中的用户说明书。
界面
Python版本的主界面如下
Matlab版本的主界面如下
参考文献
[1] Yang J, Wang J, Cheng W, et al. Sampling to Maintain Approximate Probability Distribution Under Chi-Square Test[C]//National Conference of Theoretical Computer Science. Springer, Singapore, 2019: 29-45.
[2] Yang J Y, Wang J D, Zhang Y F, et al. A Heuristic Sampling Method for Maintaining the Probability Distribution[J]. Journal of Computer Science and Technology, 2021, 36(4): 896-909.
-
Why plot data? 1) Plotting your data should usually be the first done once a data set is ready to be analyzed. The purpose is to a) Look for trends b) Discover unusual observations (outlie
-
1. 什么是抽样 从总体中抽取一部分的个体所组成的集合叫做样本，样本中的个体数目叫做样本数量。当总数据量足够大时，通过对抽样样本数据的分析，可以挖掘出总体数据中的信息。 2. 百度统计中的数据抽样 基础报告不受抽样影响。 百度统计分析云版本功能中的事件分析、用户洞察、行为流等采用了抽样策略。 为保证复杂的在线多维度分析计算时效性，用户细分与高级筛选功能也是在抽样后的数据中计算。 您可以在报告右上方
-
问题内容： 我使用以下代码来确定观测值（例如20、20、0和0）与期望值/比率（例如，在四种情况下分别为25％）的拟合程度如何： 如何在Python中复制此代码？我试过使用from中的函数，但是获得的结果却大不相同。我不确定这是否是正确的功能。我在文档中进行了搜索，但是由于运行到1000多个页面，这非常令人生畏。该文件比增加近50％。 问题答案： 期望观察到的和期望的绝对频率，而不是比率。您可以获
-
1. 什么是抽样 从总体中抽取一部分的个体所组成的集合叫做样本，样本中的个体数目叫做样本数量。当总数据量足够大时，通过对抽样样本数据的分析，可以挖掘出总体数据中的信息。 2. 百度统计中的数据抽样 基础报告不受抽样影响。 百度统计分析云版本功能中的事件分析、用户洞察、行为流等采用了抽样策略。 为保证复杂的在线多维度分析计算时效性，用户细分与高级筛选功能也是在抽样后的数据中计算。 您可以在报告右上方
-
主要内容：语法,示例卡方检验是一种统计方法，用于确定两个分类变量之间是否具有显着的相关性。 这些变量应该来自相同的人口，它们应该是分类的，如 - 是/否，男/女，红/绿等。 例如，我们可以建立一个数据集，观察人们的冰淇淋购买模式，并尝试将一个人的性别与他们喜欢的冰淇淋的味道相关联。 如果发现相关性，我们可以通过了解访问者的性别数量来调整对应口味的库存。 语法 执行卡方检验的函数是：。 在R中创建卡方检验的基本语法是
-
我试图用JAVA开发一个应用程序，它将检查用户输入的信用卡号是否有效。 下面是检查模数10的步骤： 步骤1：从右到左每秒数字加倍。如果一个数字的倍增导致一个两位数，则将这两个数字相加得到一个个位数。 步骤4：求和步骤2和步骤3的结果 步骤5：如果步骤4的结果可被10整除，则卡号有效；否则无效。在这种情况下，卡号无效--因为75不能被10整除。 到目前为止，我的问题是，我尝试的每一个卡号（使用有效的
-
我正在开发基于地图的android应用程序，并使用firebase数据库（谷歌实时数据库免费版）。但是我不能使用latlng数据检索数据。 帮助我爱人
-
问题内容： 我正在尝试根据元素的（100％）高度使用宽度大小制作一个响应式正方形。我相信仅使用CSS是不可能的。 正方形宽度应等于高度（大型容器的100％。大型容器大于屏幕的100％）。该比例必须为width = height才能保持正方形。 问题答案： 好的，这里的解决方案。
-
我试图写一个过程，它从存储在数据库中的一组记录中读取cron表达式，并运行一个作业（如果该表达式在接下来的一个小时内触发，则执行一个程序）。数据库中带有cron表达式的记录可以有不同的触发时间（如星期五或每小时等）。 带有cron表达式的表示例。 用户可以更新表中的crons。 设计这种应用程序的最佳方式是什么？ 我在这里看到的主要问题如下：假设我每1小时运行一次工作，并在接下来的一个小时内记录计