寻求Python中tms-NET采样实现及数据采样适配问题解决方案

关于(t,m,s)-Nets的Python实现 #

目前Python生态里没有广泛维护的(t,m,s)-Nets现成实现，但可以基于其核心逻辑用现有工具替代或简化实现：

• 优先考虑用scipy.stats.qmc中的Sobol序列——它属于(t,m,s)-Nets的特例，能满足高维数据下提升样本代表性的需求，且官方维护稳定性强。
• 两种使用方式的示例代码：
  1. 直接生成匹配数据尺度的低差异样本

  import numpy as np
  from scipy.stats import qmc
  
  # 假设剩余数据X形状为(n_samples, 100)
  X_remaining = np.random.uniform(0, 1000, size=(1000, 100))
  num_sample = 50  # 计划采样数量
  
  # 初始化采样器，维度匹配embedding_dimensions=100
  sampler = qmc.Sobol(d=100, scramble=True)
  # 生成[0,1)范围样本后，缩放至你的数据区间[0,1000]
  sobol_samples = sampler.random(n=num_sample) * 1000
  

  2. 从现有剩余数据中筛选最接近低差异点的样本（保留真实数据分布）

  from sklearn.neighbors import KDTree
  
  # 基于上面生成的sobol_samples，用KDTree快速查找近邻
  tree = KDTree(X_remaining)
  _, indices = tree.query(sobol_samples, k=1)
  selected_samples = X_remaining[indices.flatten()]
  

解决pyDOE2 LHS采样尺度不匹配问题 #

pyDOE2的lhs函数默认输出[0,1)范围的样本，必须手动缩放至你的数据区间[0,1000]：

from pyDOE2 import lhs

# 生成100维、50个样本的LHS数据
lhs_raw = lhs(100, samples=50)
# 缩放至目标尺度
scaled_lhs = lhs_raw * 1000

如果缩放后仍集中在0附近，先检查原始数据X是否本身在0区域分布密集。若原始数据分布不均，可先对数据做分位数转换（映射到均匀分布），再做LHS采样，最后映射回原尺度。

采样流程思路验证 #

你的流程逻辑是合理的：

• 剩余数据为空时，训练集即为完整数据，符合代表性要求；
• 有剩余数据时，用(t,m,s)-Nets这类低差异序列补充采样，在100维高维场景下，能比随机采样更均匀覆盖数据空间，有效提升样本代表性。
• 补充建议：如果需求是从现有数据中选样本而非生成新数据，用低差异序列的点作为锚点查找近邻的方式，既能利用低差异序列的均匀性，又能保留原始数据的真实分布特征。

内容的提问来源于stack exchange，提问作者Nuntea7