Существует много способов симуляции создания случайного числа с помощью компьютерной программы.

Если указано зерно (ключ), то случайное число генерируется на основе этого зерна. При наличии зерна последовательность созданных случайных чисел всегда одна и та же. Числа являются псевдослучайными, а результат всегда детерминирован исходным ключом.

Определение зерна имеет смысл в тех случаях, когда необходима случайность выборки, но эту случайность нужно воспроизвести при последующем выполнении узла (например, при обучении моделей или при создании таблицы с выборкой данных).

Когда зерно не задано, PolyAnalyst использует другие автоматические методы создания случайного числа, например, текущее время (точный момент времени в микросекундах, в который внутренняя функция выборки запросила новый случайный номер). Когда зерно генерируется таким образом, например, при использовании времени, то можно гарантировать, что оно не будет использовано дважды, что повышает случайность выборки.

Если включена опция Использовать стандартный генератор случайных чисел (ГСЧ) (метод создания выборки – Случайные строки), PolyAnalyst использует стандарт языка программирования Cи. Такой метод генерирования случайных чисел используется во многих программных инструментах. Однако, некоторые пользователи отрицают возможность создания выборки с высокой степенью случайности при использовании метода ГСЧ с помощью стандарта Cи. Если эта опция отключена, PolyAnalyst использует собственный ГСЧ.

В целом, отметим, что выбор между собственным ГСЧ и стандартом Си не имеет критического значения. Возможность использования альтернативного ГСЧ предусмотрена в данном узле на тот случай, если в ходе изучения выходных данных пользователь обнаружит, что выборка является недостаточно случайной, и решит использовать другой подход. Такая ситуация возникает редко.

Стратифицированная (или послойная) выборка предполагает разделение таблицы данных, представляющих всю популяцию, на подгруппы, с последующей выборкой из каждой из этих подгрупп.

Послойная выборка является более предпочтительной в тех случаях, когда необходимо улучшить репрезентативность выборки из всей таблицы данных, сократив вероятность погрешности. Послойная выборка может создать среднее взвешенное значение, которое является менее вариативным по сравнению со средним арифметическим значением простой случайной выборки на основе всей таблицы данных.

Понять принцип послойной выборки будет легче, если вы представите, что разбили таблицу данных на некое количество N подмножеств (каждое имеет свой идентификатор), сделали выборку из каждого подмножества по отдельности, а затем снова объединили все выборки в одну таблицу данных. Вместо того, чтобы создавать несколько узлов Фильтрация строк и Выборка, вы можете использовать один узел Выборка с соответствующей настройкой. Это может быть весьма полезно, когда мы имеем дело с изменяющимися данными, поскольку нет необходимости добавлять новые узлы на скрипт по мере изменения данных (например, когда в исходной таблице появляются новые подмножества данных).

Каждое подмножество, или подгруппа данных исходной таблицы, называется слоем (или стратой). Слои должны взаимно исключать и взаимно дополнять друг друга, чтобы каждый элемент совокупности (каждая запись) относился к одному и только одному слою, и ни один элемент не остался за пределами слоев.

В узле Выборка записи распределяются по подмножествам на основании колонки-идентификатора слоя, которая присутствует в исходной таблице данных. Для того, чтобы создать послойную выборку, нужно просто сообщить системе PolyAnalyst, какую колонку исходной таблицы необходимо использовать в качестве идентификатора выборки.

Для того, чтобы это сделать, выберите нужную колонку из выпадающего меню Колонка идентификатора слоя (в режиме Случайные строки). Список содержит все колонки из исходной таблицы, которые PolyAnalyst счел возможным использовать в качестве идентификатора слоев выборки. Здесь нет никакого ограничения по типу данных колонки: это могут быть данные типа Строка или Целое число. Если какой-то исходной колонки в списке не оказалось, это значит, что она не может быть использована в качестве идентификатора слоя.

Записи с отсутствующим значением группируются в "некатегоризованное" подмножество, из которого позже создается случайная выборка.

Если не указать колонку с ID слоя, узел создаст простую случайную выборку. Если вы уже выполнили послойную выборку, а затем решили, что она вам больше не нужна, выберите пустое значение в выпадающем меню и выполните узел снова.

Создание послойной выборки незначительно влияет на производительность и масштабируемость узла Выборка.