CN112416911A - 样本数据的获取方法、装置、设备及存储介质 - Google Patents
样本数据的获取方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112416911A CN112416911A CN201910785869.4A CN201910785869A CN112416911A CN 112416911 A CN112416911 A CN 112416911A CN 201910785869 A CN201910785869 A CN 201910785869A CN 112416911 A CN112416911 A CN 112416911A
- Authority
- CN
- China
- Prior art keywords
- sample data
- data
- sample
- original data
- original
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003860 storage Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 45
- 238000005070 sampling Methods 0.000 claims abstract description 28
- 238000012952 Resampling Methods 0.000 claims abstract description 23
- 238000012360 testing method Methods 0.000 claims description 42
- 238000009826 distribution Methods 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000007689 inspection Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 5
- 239000012636 effector Substances 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000001276 Kolmogorov–Smirnov test Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000001801 Z-test Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
Abstract
本发明实施例公开了一种样本数据的获取方法、装置、设备及存储介质。该方法包括：对直播数据库中的原始数据进行抽样，获得样本数据；对所述样本数据进行数据处理，并判断所述样本数据是否满足设定条件；若不满足，则对所述原始数据进行重新抽样，获得新抽样的样本数据。本发明实施例提供的样本数据的获取方法，对抽样数据进行数据处理，当抽样数据不满足设定条件时进行重新抽样，使得样本数据满足设定条件，可以保证样本数据的有效性。
Description
技术领域
本发明实施例涉及数据处理技术领域，尤其涉及一种样本数据的获取方法、装置、设备及存储介质。
背景技术
随着互联网技术的快速发展，不断的产生大量的互联网数据。其中，作为一种非常有效的数据生产组织方式，数据中台在互联网行业中获得了广泛关注，假设数据中台服务对各技术业务的快速变化有着非常重要的作用。
但是在方便使用数据的过程中也会涉及到数据安全及敏感性的问题，因此需要设计样本数据库从总体进行抽样，这样既方便用户对数据的研究，也在一定程度上保证数据安全。但是抽样数据是否可以有效的代表原始数据对数据的研究非常重要，因而需要对样本数据的质量进行检验。
发明内容
本发明实施例提供一种样本数据的获取方法、装置、设备及存储介质，以实现对样本数据质量的检验，从而保证样本数据的有效性。
第一方面，本发明实施例提供了一种样本数据的获取方法，该方法包括：
对直播数据库中的原始数据进行抽样，获得样本数据；
对所述样本数据进行数据处理，并判断所述样本数据是否满足设定条件；
若不满足，则对所述原始数据进行重新抽样，获得新抽样的样本数据。
进一步地，对所述样本数据进行数据处理，包括：
确定所述样本数据的数值类型；所述数值类型包括连续型数值和离散型数值；
根据所述数值类型确定对应的数据处理方案。
进一步地，若所述样本数据的数值类型为连续型数值，则根据所述数值类型确定对应的数据处理方案，包括：
根据原始数据对所述样本数据进行如下至少一项的数据处理：均值差异检验、分布差异检验、方差齐性检验或者效应量检验。
进一步地，根据原始数据对所述样本数据进行均值差异检验包括：根据原始数据对所述样本数据进行Z检验，获得样本数据和原始数据间的平均值差异；
根据原始数据对所述样本数据进行分布差异检验包括：根据原始数据对样本数据进行KS检验，获得样本数据与原始数据间的分布差异；
根据原始数据对所述样本数据进行方差齐性检验包括：根据原始数据对所述样本数据进行F检验，获得样本数据和原始数据的方差齐性。
进一步地，判断所述样本数据是否满足设定条件，包括：
若样本数据与原始数据间的平均值差异、分布差异、方差齐性和效应量中的至少一个满足第一子设定条件，则所述样本数据满足设定条件。
进一步地，若所述样本数据的数值类型为离散型数值，则根据所述数值类型确定对应的数据处理方案，包括：
根据原始数据对所述样本数据进行如下至少一项的数据处理：卡方同质性检验及海林格距离检验。
进一步地，判断所述样本数据是否满足设定条件，包括：
若样本数据与原始数据间的卡方同质性和/或海林格距离满足第二子设定条件，则所述样本数据满足设定条件。
进一步地，对所述原始数据进行重新抽样，获得新抽样的样本数据，包括：
对抽样算法进行优化；
根据优化后的抽样算法对所述原始数据进行重新抽样，获得新抽样的样本数据。
第二方面，本发明实施例还提供了一种样本数据的获取装置，该装置包括：
样本数据获取模块，用于对直播数据库中的原始数据进行抽样，获得样本数据；
数据处理模块，用于对所述样本数据进行数据处理，并判断所述样本数据是否满足设定条件；
重新抽样模块，用于当所述样本数据不满足设定条件时，对所述原始数据进行重新抽样，获得新抽样的样本数据。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例所述的样本数据的获取方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所述的样本数据的获取方法。
本发明实施例，首先对直播数据库中的原始数据进行抽样，获得样本数据，然后对样本数据进行数据处理，并判断样本数据是否满足设定条件；若不满足，则对原始数据进行重新抽样，获得新抽样的样本数据。本发明实施例提供的样本数据的获取方法，对抽样数据进行数据处理，当抽样数据不满足设定条件时进行重新抽样，使得样本数据满足设定条件，可以保证样本数据的有效性。
附图说明
图1是本发明实施例一中的一种样本数据的获取方法的流程图；
图2是本发明实施例二中的一种样本数据的获取装置的结构示意图；
图3是本发明实施例三中的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种样本数据的获取方法的流程图，本实施例可适用于对样本数据的质量进行检验的情况，该方法可以由样本数据的获取装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有样本数据的获取功能的设备中，该设备可以是服务器或服务器集群等电子设备。如图1所示，该方法具体包括如下步骤：
步骤110，对直播数据库中的原始数据进行抽样，获得样本数据。
其中，直播数据库可以是用于存储直播平台产生的原始数据。
本实施例中，可以采用设定的抽样算法对原始数据进行抽样。
步骤120，对样本数据进行数据处理，并判断样本数据是否满足设定条件。
具体的，对样本数据进行数据处理的方式可以是：确定样本数据的数值类型；数值类型包括连续型数值和离散型数值；根据数值类型确定对应的数据处理方案。
其中，数值类型包括连续型数值和离散型数值。例如，在直播业务数据中，连续性数值可以是用户观看直播的时长、充值金额及发送弹幕数等；离散型数值可以是渠道分布、平台分布及地区分布等。设定条件可以是样本数据和原始数据间的差异不显著。
具体的，若样本数据的数值类型为连续型数值，则根据数值类型确定对应的数据处理方案的方式可以是：根据原始数据对样本数据进行如下至少一项的数据处理：均值差异检验、分布差异检验、方差齐性检验或者效应量检验。
本实施例中，根据原始数据对样本数据进行均值差异检验的方式为：根据原始数据对样本数据进行Z检验，获得样本数据和原始数据间的平均值差异。Z检验的计算公式如下：
其中，Z为均值差异值，X为样本数据的平均值，u为原始数据的平均值，S为原始数据的标准差，n为样本数据的容量。本实施例中，Z检验中的p值由Z值的大小确定。表1是Z值与p值和平均值差异的关系。
表1
| Z值 | P值 | 平均值差异程度 |
| >2.58 | <0.01 | 非常显著 |
| >1.96 | <0.05 | 显著 |
| <1.96 | >0.05 | 不显著 |
本实施例中，根据原始数据对样本数据进行分布差异检验包括：根据原始数据对样本数据进行KS检验，获得样本数据与原始数据间的分布差异。KS检验的计算公式如下：
其中，Dj＝F1(Xj)-F2(Xj)，F1(X)为样本数据的分布函数，F2(X)为原始数据的分布函数，n1为样本数据的容量，n2为原始数据的容量。
其中，根据原始数据对样本数据进行方差齐性检验包括：根据原始数据对样本数据进行F检验，获得样本数据和原始数据的方差齐性。F检验的公式如下：
其中，S1为样本数据的标准偏差，S2为原始数据的标准偏差。本实施中，将F值与标准值比较，若F值小于标准值，则样本数据和原始数据的差异不显著，若F值大于或等于标准值，则样本数据与原始数据的差异显著。
具体的，若样本数据的数值类型为离散型数值，则根据数值类型确定对应的数据处理方案的方式可以是：根据原始数据对样本数据进行如下至少一项的数据处理：卡方同质性检验及海林格距离检验。
其中，卡方同质性检验的公式如下：
其中，Ai为样本数据落入原始数据第i个区间的真实频数，Ei为样本数据落入原始数据第i个区间的期望频数，n为总频数，pi表示样本数据落入原始数据第i区间的概率。当n比较大时，χ2统计量近似服从k-1个自由度的卡方分布。
其中，海林格距离的计算公式如下：
其中，P为样本数据的概率分布，Q为原始数据的概率分布。
具体的，若样本数据的数值类型为连续型数值，判断样本数据是否满足设定条件的方式可以是：当样本数据与原始数据间的平均值差异、分布差异、方差齐性和效应量中的至少一个满足第一子设定条件时，样本数据满足设定条件。第一子设定条件可以是Z检验的p值大于0.05，效应量小于0.01，F检验的F值小于标准值及KS检验的p值大于0.05，则样本数据和原始数据的差异不显著，此时，样本数据满足设定条件。
若样本数据的数值类型为离散型数值，判断样本数据是否满足设定条件的方式可以是：当样本数据与原始数据间的卡方同质性和/或海林格距离满足第二设定条件时，检验结果为样本数据满足质量要求。其中，第二设条件可以是卡方检验的p值大于0.05，海林格距离小于0.01，则样本数据和原始数据的差异不显著，此时，样本数据满足设定条件。
步骤130，若不满足，则对原始数据进行重新抽样，获得新抽样的样本数据。
具体的，对原始数据进行重新抽样，获得新抽样的样本数据的方式可以是：对抽样算法进行优化；根据优化后的抽样算法对原始数据进行重新抽样，获得新抽样的样本数据。
对抽样算法优化后，重新对原始数据进行抽样，若抽样数据还不满足设定条件，则继续优化抽样算法，继续重新抽样，直到抽样数据满足设定条件。
本实施例的技术方案，首先对直播数据库中的原始数据进行抽样，获得样本数据，然后对样本数据进行数据处理，并判断样本数据是否满足设定条件；若不满足，则对原始数据进行重新抽样，获得新抽样的样本数据。本发明实施例提供的样本数据的获取方法，对抽样数据进行数据处理，当抽样数据不满足设定条件时进行重新抽样，使得样本数据满足设定条件，可以保证样本数据的有效性。
实施例二
图2为本发明实施例二提供的一种样本数据的获取装置的结构示意图。如图2所示，该装置包括：样本数据获取模块210，数据处理模块220和重新抽样模块230。
样本数据获取模块210，用于对直播数据库中的原始数据进行抽样，获得样本数据；
数据处理模块220，用于对所述样本数据进行数据处理，并判断所述样本数据是否满足设定条件；
重新抽样模块230，用于当所述样本数据不满足设定条件时，对所述原始数据进行重新抽样，获得新抽样的样本数据。
可选的，数据处理模块220，还用于：
确定所述样本数据的数值类型；所述数值类型包括连续型数值和离散型数值；
根据所述数值类型确定对应的数据处理方案。
可选的，若样本数据的数值类型为连续型数值，数据处理模块220，还用于：
根据原始数据对样本数据进行如下至少一项的数据处理：均值差异检验、分布差异检验、方差齐性检验或者效应量检验；其中，样本数据是原始数据的子集。
可选的，根据原始数据对样本数据进行均值差异检验包括：根据原始数据对样本数据进行Z检验，获得样本数据和原始数据间的平均值差异；
根据原始数据对样本数据进行分布差异检验包括：根据原始数据对样本数据进行KS检验，获得样本数据与原始数据间的分布差异；
根据原始数据对样本数据进行方差齐性检验包括：根据原始数据对样本数据进行F检验，获得样本数据和原始数据的方差齐性。
可选的，数据处理模块220，还用于：
若样本数据与原始数据间的平均值差异、分布差异、方差齐性和效应量中的至少一个满足第一子设定条件，则样本数据满足设定条件。
可选的，若样本数据的数值类型为离散型数值，数据处理模块220，还用于：
根据原始数据对样本数据进行如下至少一项的数据处理：卡方同质性检验及海林格距离检验。
可选的，数据处理模块220，还用于：
若样本数据与原始数据间的卡方同质性和/或海林格距离满足第二子设定条件，则样本数据满足设定条件。
可选的，重新抽样模块230，还用于：
对抽样算法进行优化；
根据优化后的抽样算法对所述原始数据进行重新抽样，获得新抽样的样本数据。
上述装置可执行本发明前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明前述所有实施例所提供的方法。
实施例三
图3为本发明实施例三提供的一种计算机设备的结构示意图。图3示出了适于用来实现本发明实施方式的计算机设备312的框图。图3显示的计算机设备312仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。设备312是典型的样本数据的获取功能的计算设备。
如图3所示，计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于：一个或者多个处理器316，存储装置328，连接不同系统组件(包括存储装置328和处理器316)的总线318。
总线318表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
计算机设备312典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备312访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储装置328可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)330和/或高速缓存存储器332。计算机设备312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统334可以用于读写不可移动的、非易失性磁介质(图3未显示，通常称为“硬盘驱动器”)。尽管图3中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线318相连。存储装置328可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块326的程序336，可以存储在例如存储装置328中，这样的程序模块326包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块326通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备312也可以与一个或多个外部设备314(例如键盘、指向设备、摄像头、显示器324等)通信，还可与一个或者多个使得用户能与该计算机设备312交互的设备通信，和/或与使得该计算机设备312能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口322进行。并且，计算机设备312还可以通过网络适配器320与一个或者多个网络(例如局域网(Local AreaNetwork，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器320通过总线318与计算机设备312的其它模块通信。应当明白，尽管图中未示出，可以结合计算机设备312使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks，RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器316通过运行存储在存储装置328中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的样本数据的获取方法。
实施例四
本发明实施例四还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的样本数据的获取方法。
当然，本发明实施例所提供的一种计算机可读存储介质，其上存储的计算机程序不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的样本数据的获取方法中的相关操作。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (11)
1.一种样本数据的获取方法，其特征在于，包括：
对直播数据库中的原始数据进行抽样，获得样本数据；
对所述样本数据进行数据处理，并判断所述样本数据是否满足设定条件；
若不满足，则对所述原始数据进行重新抽样，获得新抽样的样本数据。
2.根据权利要求1所述的方法，其特征在于，对所述样本数据进行数据处理，包括：
确定所述样本数据的数值类型；所述数值类型包括连续型数值和离散型数值；
根据所述数值类型确定对应的数据处理方案。
3.根据权利要求2所述的方法，其特征在于，若所述样本数据的数值类型为连续型数值，则根据所述数值类型确定对应的数据处理方案，包括：
根据原始数据对所述样本数据进行如下至少一项的数据处理：均值差异检验、分布差异检验、方差齐性检验或者效应量检验。
4.根据权利要求3所述的方法，其特征在于，根据原始数据对所述样本数据进行均值差异检验包括：根据原始数据对所述样本数据进行Z检验，获得样本数据和原始数据间的平均值差异；
根据原始数据对所述样本数据进行分布差异检验包括：根据原始数据对样本数据进行KS检验，获得样本数据与原始数据间的分布差异；
根据原始数据对所述样本数据进行方差齐性检验包括：根据原始数据对所述样本数据进行F检验，获得样本数据和原始数据的方差齐性。
5.根据权利要求3所述的方法，其特征在于，判断所述样本数据是否满足设定条件，包括：
若样本数据与原始数据间的平均值差异、分布差异、方差齐性和效应量中的至少一个满足第一子设定条件，则所述样本数据满足设定条件。
6.根据权利要求2所述的方法，其特征在于，若所述样本数据的数值类型为离散型数值，则根据所述数值类型确定对应的数据处理方案，包括：
根据原始数据对所述样本数据进行如下至少一项的数据处理：卡方同质性检验及海林格距离检验。
7.根据权利要求6所述的方法，其特征在于，判断所述样本数据是否满足设定条件，包括：
若样本数据与原始数据间的卡方同质性和/或海林格距离满足第二子设定条件，则所述样本数据满足设定条件。
8.根据权利要求1所述的方法，其特征在于，对所述原始数据进行重新抽样，获得新抽样的样本数据，包括：
对抽样算法进行优化；
根据优化后的抽样算法对所述原始数据进行重新抽样，获得新抽样的样本数据。
9.一种样本数据的获取装置，其特征在于，包括：
样本数据获取模块，用于对直播数据库中的原始数据进行抽样，获得样本数据；
数据处理模块，用于对所述样本数据进行数据处理，并判断所述样本数据是否满足设定条件；
重新抽样模块，用于当所述样本数据不满足设定条件时，对所述原始数据进行重新抽样，获得新抽样的样本数据。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8任一所述的样本数据的获取方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8任一所述的样本数据的获取方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910785869.4A CN112416911B (zh) | 2019-08-23 | 2019-08-23 | 样本数据的获取方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910785869.4A CN112416911B (zh) | 2019-08-23 | 2019-08-23 | 样本数据的获取方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112416911A true CN112416911A (zh) | 2021-02-26 |
| CN112416911B CN112416911B (zh) | 2024-06-21 |
Family
ID=74779406
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910785869.4A Active CN112416911B (zh) | 2019-08-23 | 2019-08-23 | 样本数据的获取方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112416911B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104794335A (zh) * | 2015-04-15 | 2015-07-22 | 同济大学 | 一种通用多级空间抽样方法 |
| CN107392439A (zh) * | 2017-06-30 | 2017-11-24 | 国网山东省电力公司经济技术研究院 | 一种电力系统可靠性评估的组合抽样方法 |
| CN109726821A (zh) * | 2018-11-27 | 2019-05-07 | 东软集团股份有限公司 | 数据均衡方法、装置、计算机可读存储介质及电子设备 |
-
2019
- 2019-08-23 CN CN201910785869.4A patent/CN112416911B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104794335A (zh) * | 2015-04-15 | 2015-07-22 | 同济大学 | 一种通用多级空间抽样方法 |
| CN107392439A (zh) * | 2017-06-30 | 2017-11-24 | 国网山东省电力公司经济技术研究院 | 一种电力系统可靠性评估的组合抽样方法 |
| CN109726821A (zh) * | 2018-11-27 | 2019-05-07 | 东软集团股份有限公司 | 数据均衡方法、装置、计算机可读存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112416911B (zh) | 2024-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112650790B (zh) | 目标点云平面确定方法，装置，电子设备及存储介质 | |
| CN109684613B (zh) | 在线文档中的引用显示方法、装置、存储介质及电子设备 | |
| CN109376419B (zh) | 一种数据模型的生成方法、装置、电子设备及可读介质 | |
| US20110154292A1 (en) | Structure based testing | |
| CN111444591A (zh) | 软土土压平衡盾构隧道掘进速度确定方法及装置 | |
| CN113159453B (zh) | 资源数据预测方法、装置、设备及存储介质 | |
| CN111367813B (zh) | 决策引擎自动化测试方法、装置、服务器及存储介质 | |
| CN112884376A (zh) | 工单处理方法、装置、电子设备及计算机可读存储介质 | |
| CN112035732A (zh) | 一种搜索结果的扩展方法、系统、设备和存储介质 | |
| CN116628049A (zh) | 一种基于大数据的信息系统维护管理系统及方法 | |
| CN112416911B (zh) | 样本数据的获取方法、装置、设备及存储介质 | |
| CA3052775A1 (en) | Method, apparatus, medium and electronic device for analysis of user stability | |
| CN112286808B (zh) | 应用程序的测试方法、装置、电子设备及介质 | |
| CN114328700A (zh) | 医疗数据etl任务中的数据核查方法及装置 | |
| CN111694951B (zh) | 兴趣主题生成方法、装置、设备及存储介质 | |
| CN109522133B (zh) | 一种数据拼接方法、装置、电子设备及存储介质 | |
| CN111367791B (zh) | 一种生成测试用例的方法、装置、介质和电子设备 | |
| CN114676168A (zh) | 一种数据追踪方法、装置、电子设备及存储介质 | |
| CN111262727B (zh) | 服务的扩容方法、装置、设备及存储介质 | |
| CN114637809A (zh) | 同步延迟时间动态配置方法、装置、电子设备及介质 | |
| CN111784295A (zh) | 一种航班生效方法及装置 | |
| CN109284350B (zh) | 检索内容的更新方法、装置、存储介质及电子设备 | |
| CN111143346B (zh) | 标签组的差异性确定方法、装置、电子设备及可读介质 | |
| CN111092758A (zh) | 降低告警及恢复误报的方法、装置及电子设备 | |
| CN117290380B (zh) | 异常维度数据生成方法、装置、设备和计算机可读介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |