什么是欠采样？

采样定理：

当采样频率fs.max大于信号中，***频率fmax的2倍时，即：fs.max=2fmax,则采样之后的数字信号完整地保留了原始信号中的信息，一般取2.56-4倍的信号***频率；采样定理又称奈奎斯特定理。

欠采样是在测试设备带宽能力不足的情况下，采取的一种手段，相当于增大了测试设备的带宽，从而达到可以采样更高频率信号的能力。

如何处理不平衡数据（一）——欠采样

一、重采样

1、欠采样

欠采样就是一个随机删除一部分多数类（数量多的类型）数据的过程

# Shuffle the Dataset. 进行一个数据集打乱的操作

shuffled_df = credit_df.sample(frac=1,random_state=4)

# Put all the fr***d class in a separate dataset. 欺诈类 就是数量少的类

fr***d_df = shuffled_df.loc[shuffled_df['Class'] == 1]

#Randomly select 492 observations from the non-fr***d (majority class)   选取过多的类进行一个抽取

non_fr***d_df=shuffled_df.loc[shuffled_df['Class']== 0].sample(n=492,random_state=42)

# Concatenate both dataframes again  生成一个均衡类

normalized_df = pd.concat([fr***d_df, non_fr***d_df]) 

#plot the dataset after the undersampling   下面是画图操作

plt.figure(figsize=(8, 8))

sns.countplot('Class', data=normalized_df)

plt.title('Balanced Classes')

plt.show()

(1)对正弦信号的抽样要注意哪些因素?(2)欠采样和过采样信号各有哪些缺点

过采样：重复正比例数据，实际上没有为模型引入更多数据，过分强调正比例数据，会放大正比例噪音对模型的影响。

欠采样：丢弃大量数据，和过采样一样会存在过拟合的问题。

过采样与欠采样有何区别

一、采样定理

只要采样频率高于信号***频率的两倍，就可以从采样信号中恢复出原始信号。

二、过采样和欠采样

1、采样频率高于信号***频率的两倍，这种采样被称为过采样。

2、采样频率低于信号***频率的两倍，这种采样被称为欠采样。

三、基带信号和频带信号的采样

1、对基带信号进行欠采样是无法从采样信号中恢复出原始信号的，因此基带信号的采样都是过采样。



2、对频带信号进行采样可以是过采样，也可以是欠采样。只要保证采样频率高于原始信号带宽的两倍，就可以从欠采样信号中恢复出原始信号。这种情况下，原始信号带宽的2倍采样频率频带信号***频率的2倍。

关于欠采样和欠采样得到的频率的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。