AI 浪潮下，抽样为何仍是数据分析 “刚需”？

蛇年新篇

小编经常收到小伙伴问这样的问题——这也是许多研究者在做数据分析初期遇到的疑惑：

√ AI时代变化快，还有必要进行抽样吗？

√ 需要研究多少个样本，才能得出有效的结论？

√ 什么样本、样本有多大，才能较好地代表总体？

√ 那么多抽样方法和工具，该如何选择？

本篇文章就来解答大家对于数据抽样的各种问题，让你一文就精通！

点此回顾：研究数据的清洗最头疼？使用DiVoMiner化繁为简

抽样(Sampling)是研究者常用的方法，从总体对象中，按照某种原则，抽取一部分，并通过对该部分进行研究，得出对总体的认识。

抽样的目的是通过对一部分被选择的样本来推断总体，要求我们抽取的样本具有能够代表总体质量特征的性质，也就是抽样的代表性。

抽样方法主要分为两大类：随机抽样方法与非随机抽样方法：

无论使用AI还是人工对数据进行分析，抽样都是有必要的，因为数据量庞大时处理全部数据成本高、效率低，抽样能平衡数据量与处理能力；还可用于控制数据质量，帮助节省时间和资源，为决策提供依据。

蛇年新篇

这个问题实属小编收到过最多的求助——选多了，时间和人力成本增高，降低了研究效率；选少了，又怕不足以代表总体，影响研究的严谨性。

抽样的样本量的选定，往往会考虑以下几个因素：

展开全文

常用的方法是通过统计公式计算样本量，或使用统计软件进行样本量估计，以满足研究的精确性和可靠性要求。大家也可以参考类似的研究，来决定最终抽样的样本量。

制定好抽样方法和样本量，就可以开始抽样了！不用担心，在DiVoMiner平台上点几下鼠标就能轻松搞定，多复杂的抽样规则也不用怕！

第一步：点击【抽样】，命名，创建抽样库

第二步：设置抽样范围

在随机抽样的情况下，只需要输入百分比或固定数值即可完成抽样。还可以根据点赞、评论、转发等条件进行升降序的抽样。

在非随机抽样的情况下，就可以点击【设置抽样范围】，对抽样规则进行个性化的制定。

抽样的条件和规则，既可以设置为满足下列“全部条件”（AND逻辑），也可以是“任意条件”(OR逻辑)。

设置好规则，只需要稍等片刻，抽样就完成啦！是不是很方便、很高效呢！在DiVoMiner平台上一次性完成多条件的复杂抽样，也是很容易的！

小编提醒，在抽样后，会形成独立数据库，可以单独操作、多库并行，但是、抽样库是占用话题数据容量和文件容量的哟~记得合理规划话题使用情况。

蛇年新篇