- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在寻找一些天才的 SQL 帮助来解决我遇到的一个棘手的统计问题。
我想要做的是从不平衡的用户配置文件组中提取统计上平衡的样本。一次针对单个个人资料属性(例如性别)执行此操作会有些简单。但同时跨多个维度进行这项工作需要一定的复杂性。
为了便于讨论,假设我有这张 table 。
Profile.userID
Profile.Gender
Profile.Age
Profile.Income
如果我想从混合中提取一组配置文件,以便新的用户样本大致匹配以下所有特征:
50% male, 50% female
30% young, 40% middle age, 40% old
40% low income, 40% middle income, 20% high income
有人对如何实现这一目标有任何想法吗?
最佳答案
您遇到的是采样问题。解决这个问题的关键是将数据分成三个变量组合的单独组。然后,计算每组边际概率的乘积(您的值是边际概率)。然后,对所有 18 个组进行标准化。
例如,Male-Young-Low 组的值为 0.5*0.3*0.4 = 0.06。您对所有 18 个组重复此操作,然后标准化为百分比(即将每个值除以所有值的总和)。结果如下:
Gender Age Income Marg Normalized
Male Young Low 0.06 5.5%
Male Young Middle 0.06 5.5%
Male Young High 0.03 2.7%
Male Middle Low 0.08 7.3%
Male Middle Middle 0.08 7.3%
Male Middle High 0.04 3.6%
Male Old Low 0.08 7.3%
Male Old Middle 0.08 7.3%
Male Old High 0.04 3.6%
Female Young Low 0.06 5.5%
Female Young Middle 0.06 5.5%
Female Young High 0.03 2.7%
Female Middle Low 0.08 7.3%
Female Middle Middle 0.08 7.3%
Female Middle High 0.04 3.6%
Female Old Low 0.08 7.3%
Female Old Middle 0.08 7.3%
Female Old High 0.04 3.6%
这将成为每个组的采样率。下面是实际进行采样的伪 SQL 代码:
with SamplingRates (
select 'Male' as gender, 'Young' as Age, 'Low' as income, 0.045 as SamplingRate,
union all . .
)
select t.*
from (select t.*,
row_number() over (partition by gender, age, income order by <random>) as seqnum,
count(*) over (partition by gender, age, income) as NumRecs
from table t
) t join
SampleRates sr
on t.gender = sr.gender and t.age = sr.age and t.income = sr.income and
seqnum <= sr.SamplingRate * NumRecs
关于SQL统计采样,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/12939608/
我目前正在学习数据挖掘,有以下问题。 机器学习和数据挖掘之间有什么关系? 我发现许多数据挖掘技术都与统计相关,而我“听说”数据挖掘与机器学习有很多关系。所以我的问题是:机器学习与统计学密切相关吗? 如
我有很多表的数据,例如: event_id player finish 1 a 1 1 b 2 1 c
我对 http_status_module 提供的统计数据感兴趣 特别是上游部分的统计数据。 http://nginx.org/en/docs/http/ngx_http_status_module.
除了 Cluster MBean 之外,是否有任何可以在 Akka (Java) 中启用的内置 JMX 公开监控/统计信息?我看过 Typesafe Console,但由于它需要许可证才能用于从多个节
我正在尝试在我的程序中使用“usage”统计信息来获取类似于 time 的数据工具。但是,我很确定我做错了什么。这些值似乎是正确的,但有时可能有点奇怪。我没有在网上找到好的资源。有人知道如何做得更好吗
我有一个带有统计表的 MySQL 数据库。我想以年历、月度的形式输出数据。对于没有点击率的几个月,我想花费一个“空”DIV。有两个ID。 $query = mysqli_query($db,"SELE
设置: 问题是经典概率问题的复杂形式: 70 colored balls are placed in an urn, 10 for each of the seven rainbow colors.
有哪些 Ruby gem 可以执行数据处理? 最佳答案 我知道有 3 种从 Ruby 访问 R 的方法: RinRuby RSRuby 通过 Rserve-Ruby-Client 预约 RinRuby
背景 图像领域内的一个国内会议快要召开了,要发各种邀请邮件,之后要录入、统计邮件回复(参会还是不参会等)。如此重要的任务,老师就托付给我了。ps: 统计回复邮件的时候,能知道谁参会或谁不参会。
我正在添加用户输入的几个数字并将它们添加到数组列表中。 到目前为止我的代码: package project143; import java.util.*; /** * @author -- */
正如标题所示,我需要做的是在各种 iO/Android/Windows 应用程序中跟踪各种用户事件 - 例如点击、滑动、在页面上花费的时间等。 这些应用程序基于响应式 HTML/CSS/JS,并具有简
我希望计算 HTML 表中每个唯一值的实例数,并在其自己的表中返回结果。该表是根据用户的文本输入生成的。例如,用户输入可能如下所示: Report 46 Bob Marley 4/20/2
如何使用 PHP 计算数字数组的 z 分数?我需要计算 z 分数,然后找到百分位数 (CDF)!我可以使用哪些 PHP 函数?谢谢! 最佳答案 以下代码将给出 CDF 的良好近似值(Abramowit
我只是想知道是否可以计算 GitHub 上空存储库的总数。 如果不适合所有用户,可以为自己做吗? 编辑 我已经尝试过size:0搜索,但似乎返回了很多包含数据的存储库。采用 size:0..1 之类的
public class Scanner { private HtmlProcessor hp; private String baseUrl; private int ste
我正在使用 Mule ESB 3.4。我想开发一个自定义 Java 组件来计算流收到的请求数量。流程将例如像这样: http inbound-endpoint -> counter -> vm-out
我喜欢借助 GitHub API 来统计存储库中所有开放的拉取请求和问题。我发现 API 端点 /repos/:owner/:repo 结果包含 open_issues 属性。然而,这是问题和拉取请求
如何使用 PHP 计算数字数组的 z 分数?我需要计算 z 分数,然后找到百分位数 (CDF)!我可以使用哪些 PHP 函数?谢谢! 最佳答案 以下代码将给出 CDF 的良好近似值(Abramowit
已关闭。此问题需要 debugging details 。目前不接受答案。 编辑问题以包含 desired behavior, a specific problem or error, and the
我正在尝试以编程方式获取搜索字词列表的 Google 新闻搜索结果计数(即有多少个结果),但仅限于过去 1 年。使用用户界面搜索时,结果计数仅出现在常规搜索中,但在“工具 > 最近 > 过去一年”下时
我是一名优秀的程序员,十分优秀!