分层抽样

这篇帖子中实现了常见集中抽样方法：【机器学习算法-python实现】采样算法的简单实现

但没有是实现 分层抽样。今天工作中正好用到分层抽样，算作 补充吧。

任务场景：589个分类，每个类目的样本，严重不均衡，有的是千万条，有的只有几条

需求：在喂给算法模型前，进行分层抽样，降低样本量，节省时间；降低样本不均衡程度。

方案：直接采用log平滑，小类目下的样本不删减，效果如下，基本大类目基本和小类目直接平滑成近似的样本数目。

反馈：平滑太严重，将3000万的样本，消减为600万，消减太多。导致信息损失太多。

改进后，在可视化效果中，发现严重的离群点。需要对离群点进行消减。——有多个类目的样本达到500万，所以，对其进行大删减。

再修正：

效果图：

分析：大类目的样本数得到很好的抑制；小类目的样本基本保持不变。基本满足业务场景的需求。