基于卡方检验的大数据抽样工具

[红楼鬼影]

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。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，可以从网址中下载Matlab2019b对应的运行环境。

项目地址：
https://www.oschina.net/p/big-data-sampling-under-chi-square