sklearn.utils.random.sample_without_replacement

sklearn.utils.random.sample_without_replacement()

采样整数而不进行替换。

从集合[0,n个总体]中选择n个样本整数，不进行替换。

参数 说明
n_population int,
样本集的大小。
n_samples int,
要采样的整数。
random_state int, RandomState instance or None, optional (default=None)
如果为int，则random_state是随机数生成器使用的种子；否则为false。 如果是RandomState实例，则random_state是随机数生成器； 如果为None，则随机数生成器是np.random使用的RandomState实例。
method “auto”, “tracking_selection”, “reservoir_sampling” or “pool”
如果method 为“ auto”，则使用n_samples / n_population的比率来确定要使用的算法：如果比率在0到0.01之间，则使用跟踪选择。 如果比率在0.01到0.99之间，则使用numpy.random.permutation。 如果比率大于0.99，则使用储层采样。 所选整数的顺序不确定。 如果需要随机顺序，则应将选定的子集混洗。
如果方法为“ tracking_selection”，则使用基于集合的实现，适用于n_samples <<< n_population。
如果方法为“ reservoir_sampling”，则使用适合于高内存约束或当O（n_samples）〜O（n_population）时使用的存储库采样算法。 所选整数的顺序不确定。 如果需要随机顺序，则应将选定的子集混洗。
如果method为“ pool”，则基于池的算法特别快，甚至比跟踪选择方法快。 但是，必须初始化包含整个总体的向量。 如果n_samples〜n_population，则储层采样方法更快。
返回值 说明
out array of size (n_samples, )
整数的采样子集。 所选整数的子集可能不会被随机化，请参见method参数。