在資料探勘專案中，經常會涉及到非常大的資料量，資料量太大會使得整個分析過程效率不高，這個時候，樣本資料的選擇非常重要，在IBM SPSS Modeler平臺上，可以通過【樣本】節點來實現多種不同方式的樣本資料選擇。

在【樣本】節點中，可以選擇取樣方式，分別是【簡單】和【複雜】；

如果選擇【簡單】，模式可以是【包含樣本】或【丟棄樣本】，可以實現選擇記錄的前 n 條記錄、每n條選1、隨機百分比。

具體如下：

· 第一個：選擇前N條記錄。例如，如果最大樣本大小設定為 10000，則前 10000 條記錄會被選中。

· n 中取 1： 每隔 n 個記錄進行一次選擇或廢棄。例如，如果 n 設為 5，則每隔五條記錄便會選中一條。

· 隨機 %：隨機抽取指定百分比的資料。例如，如果百分比設定為 20，那麼根據選擇的模式，將 20% 的資料傳遞到資料流或將其廢棄。

如果選擇【複雜】,有兩個設定我們需要注意，就是【聚類和分層】，我們通過舉例來介紹如何使用。

舉例1：在一份資料裡，有青年、中年、老年不同年齡級別的客戶，而其中老年人是較少的，為了避免隨機抽取時，老年人的客戶抽取不到，或者量更少，可以使用【分層】，使資料在青年、中年和老年三個型別中，分別抽取N%，這樣，每個型別的客戶都會抽取N%的資料。因此，分層可以按照選擇的分層維度來保持資料原來的比例。

具體操作如下：

在【樣本】節點，選擇取樣方式是【複雜】，單擊【聚類與分層】，在彈出的對話方塊中，分層方式選擇【年齡級別】，樣本單位可以選擇按【比例】或者是【計數】，這裡先選擇按比例0.5(即50%)，確定後，篩選的資料就是每個不同年齡級別分別隨機抽取50%的樣本資料。

當然，如果需要，我們也可以分別給每個年齡級別抽取不同的樣本資料大小，選擇【定製】，排序方式選擇【年齡級別】，點選左下角的【讀取值】，會自動讀取【年齡級別】中對應的元素內容，在右邊的【樣本大小】，自己輸入需要抽取的樣本百分比即可，比如下圖中，抽取的樣本大小分別是：

· 老年：0.8

· 青年：0.5

· 中年：0.4

設定之後，就可以實現在老年客戶中隨機抽取80%的資料，青年客戶隨機抽取50%的資料，以及中年客戶隨機抽取40%的資料。 

舉例2：在零售行業，最經常用到的是購物籃分析，在做購物籃分析的時候，資料格式經常是這樣的格式：

如果按【簡單】的方式抽取樣本資料的話，很可能同一訂單號，有的被抽取到了，有的沒有被抽到到，那這樣會影響到購物籃分析的真實結果，因此【樣本】選項中的【複雜】抽樣裡面的【聚類】就可以解決這個問題。

我們只需要在【聚類】選項選擇【record id】，這樣抽取資料的時候，要麼包括同一【record id】的全部記錄，要麼就完全沒有這個【record id】，這樣，就可以保證購物籃分析時，同一訂單的商品資料不會丟失，購物籃分析時所體現的商品相關性不會丟失，具體設定如下圖：

如果對以上內容感興趣，可以在這裡下載30天的最新版本IBM SPSS Modeler 18.0免費試用，