采样

KfSMT 提供了多种不同的采样方式在采样空间中生成一系列的样本点，用于后续的训练等任务，包括不融合知识的采样方式和融合知识的采样方式。

• 简单随机采样
• 拉丁超立方采样
• 全因素采样
• 动态采样

采样部分的类图如下：

SampingBase为所有采样方法的基类，Random对应着简单随机采样，LHS为拉丁超立方采样，FullFactorial为全因素采样。 KnowledgeSamplingBase为融合知识进行采样的基类，DySampling为融合知识的动态采样。

SampingBase类中的属性

名称	类型	含义
xlimts	dict	需要采样的参数和其对应的采样区间

SampingBase类中的API

名称	作用
sample(nt,table = None)	按照划定的采样空间生成一定数量的采样点

__init__（xlimts）

构造函数，用于传入xlimts

参数：

• xlimts，类型为dict，需要采样的参数和其对应的采样区间

示例：:

from data import LHS
xlimts = {“x1”: [0,60], “x2”: [0,40] , “x3”: [0,15]}
lhs = LHS (xlimts)

sample（nt, table = None）→ ndarray[nt,nx]

采样函数,可以选择是否生成采样表

参数：

• nt, 类型为int，生成采样点的个数

• table，默认为None，可以接受str格式，生成采样表的路径，默认不生成采样表

返回：

• ndarray[nt,nx]，生成的采样点矩阵，nt为采样点的个数，nx为输入的维度

示例：:

from data import LHS
xlimts = {“x1”: [0,60], “x2”: [0,40] , “x3”: [0,15]}
lhs = LHS (xlimts)
points = lhs.sample (100)

KnowledgeSamplingBase类中的属性

名称	类型	含义
knowledgeSet	list	采样过程中需要使用到的知识集合

KnowledgeSamplingBase类中的API

名称	作用
setKnowledge (*args,knowledgeList = None)	设置采样所需要的知识

setKnowledge (*args,knowledgeList) → None （只有空间型的知识）

设置采样需要的知识

参数：

• args, 类型为dict，需要的知识字典，可以重复输入

• knowledgelist，默认为None，可接受的类型为list，多条知识dict组成的集合。

返回：None

示例：:

from data import DySampling
from knowledge import KnowledgeSet
set = Knowledge("C:\data\测试1.txt", "C:\data\测试2.txt", "C:\data\测试3.txt",knowledgeList = ["C:\data\测试4.txt", "C:\data\测试5.txt", "C:\data\测试6.txt"])
#将多条xml格式的知识读取为知识list
Knowlist = set.readknowledge()
xlimts = {“x1”: [0,60], “x2”: [0,40] , “x3”: [0,15]}
#设置采样区间
Dy = DySampling (xlimts)
Dy. setKnowledge (knowledgeList = Knowlist)
#设置知识