尽管存在许多看似相似的问题但没有人回答我的问题。
我已经处理了DataFrame，以便将其投放到DecisionTreeClassifier，并且其中包含一列label，其中包含0.0或{{1} }。
我需要引导我的数据集，方法是为我的1.0列的每个值随机选择替换相同数量的行。
我查看了所有文档，我找到的只有label和DataFrame.sample(...)，但问题是保留的样本数量不保证，第二个不保证允许更换！这对于较大的数据集来说不是问题，但在我的大约50％的情况下，我将拥有一个少于一百行的标签值，而且我真的不想要偏斜的数据。
尽管我付出了最大的努力，但我无法找到解决这个问题的干净解决方案，我解决了问题。收集整个DataFrame并在Scala中“手动”进行采样，然后重新创建一个新的DataFrame来训练我的DataFrameStatFunctions.sampleBy(...)。但这看起来非常低效和繁琐，我更愿意继续使用DataFrame并保留来自该结构的所有好处。
以下是我目前的实施情况，以便您准确了解我想要做的事情：
DecisionTreeClassifier有人知道如何只使用DataFrames来实现这样的采样吗？ 我很确定它会大大加快我的代码速度！ 谢谢你的时间。