장점: 조작이 간단합니다.
단점: 샘플이 전체를 완벽하게 나타낼 수 있다는 보장은 없습니다.
적용 가능: 개인이 고르게 분포된 장면.
2) 등거리 샘플링: 먼저 집단의 각 개체에 순차적으로 번호를 매기고, 샘플링 간격을 계산한 다음, 고정된 수로 개인을 선택합니다.
장점: 조작이 간단합니다.
단점: 분포 법칙이 명백하면 편차가 발생하기 쉽다.
적용성: 개인이 고르게 분포된 장면은 뚜렷한 균일 분포 법칙을 보여 줍니다.
3) 계층 샘플링: 먼저 모든 개별 샘플을 특정 특성에 따라 여러 범주로 나눈 다음 각 범주에서 무작위로 샘플링하거나 등거리 샘플링하여 개인을 선택합니다.
장점: 샘플링 오류를 줄이고 다양한 유형의 데이터 샘플을 개별적으로 연구합니다.
단점: 단점 없음;
적용성: 분류 로직이 있는 속성 및 라벨이 있는 데이터.
4) 전체 샘플 그룹: 먼저 모든 샘플을 여러 개의 작은 그룹 세트로 나눈 다음 무작위로 여러 개의 작은 그룹 세트를 추출하여 전체를 나타냅니다.
장점: 조작이 간단합니다.
단점: 분포는 작은 집단의 분할로 제한되며 샘플링 오차가 크다.
적용성: 소그룹 컬렉션은 비교적 작으며 소그룹 컬렉션을 나누는 데 더 높은 요구 사항이 있습니다.