如何从保持类平衡的数据集中获取样本？

Question

我正在处理https://nlp.stanford.edu/sentiment/treebank.html数据集。 它有两列。一是对一两行的评论。第二个是等级，即介于0到4之间的数字。条目总数为8533。数据分配如下：

• 评分，该评分的示例数
• 3，2318
• 1，2215
• 2，1623
• 4，1287
• 0，1090

现在，我想从该数据集中取样，大小为10、20、30，依此类推。每次我想保持类分布与原始数据集中的相同。 我该怎么办？

Answer 1

看分层抽样，这是许多现有解决方案的标准问题。 https://en.wikipedia.org/wiki/Stratified_sampling https://stats.stackexchange.com/questions/250273/benefits-of-stratified-vs-random-sampling-for-generating-training-data-in-classi