spark 数据处理 -- 数据采样【随机抽样、分层抽样、权重抽样】

---

简介

简单抽样方法都有哪些？

简单抽样一般分为：

RandomSampling - 随机采样
StratifiedSampling - 分层采样
WeightedSampling - 权重采样

计算逻辑

• 随机采样
  系统随机从数据集中采集样本，随机种子的输入值不同导致采样结果不同。

• 分层采样
  分层抽样法也叫类型抽样法。它是从一个可以分成不同子总体（或称为层）的总体中，按规定的比例从不同层中随机抽取样品（个体）的方法。这种方法的优点是，样本的代表性比较好，抽样误差比较小。缺点是抽样手续较简单随机抽样还要繁杂些。定量调查中的分层抽样是一种卓越的概率抽样方式，在调查中经常被使用。
  选择分层键列，假设分层键列为性别，其中男性与女性的比例为6:4，那么采样结果的样本比例也为6:4。

• 权重采样
  选择权重值列，假设权重值列为班级，样本A的班级序号为2，样本B的班级序号为1，则样本A被采样的概率为样本B的2倍。

• 采样数
  最终的采样数依赖于采样量计算方式，假设原始数据集