如何通过SQL实现多数类欠采样？现有代码无法随机筛选目标值为0的行的解决方案咨询

数据老陈

2026-4-30

解决欠采样SQL的问题

嘿，我明白你的问题啦！你之前的SQL之所以没起作用，是因为partition by user_id, target这个分区条件出了问题——毕竟每个user_id都是唯一的，所以每个分组里只有一行数据，row_number()生成的seq自然全是1，最后where条件等于把所有行都留下来了，根本没实现欠采样的效果。

我给你两种常用的修正方案，根据你的需求选就行：

方案1：让target=0的样本数量和target=1一致

这种方案会保留所有target=1的用户，然后随机选取和target=1数量相同的target=0用户，适合平衡两类样本的场景：

WITH target_1_data AS (
    -- 先保留所有target=1的行
    SELECT user_id, target 
    FROM dataset.mytable 
    WHERE target = 1
),
target_0_sampled AS (
    -- 对target=0的行随机排序，取和target=1数量相同的样本
    SELECT user_id, target
    FROM (
        SELECT user_id, target,
               ROW_NUMBER() OVER (ORDER BY RAND()) AS seq
        FROM dataset.mytable 
        WHERE target = 0
    ) t
    WHERE seq <= (SELECT COUNT(*) FROM dataset.mytable WHERE target = 1)
)
-- 合并两类样本
SELECT * FROM target_1_data
UNION ALL
SELECT * FROM target_0_sampled;

方案2：按比例随机选取target=0的样本

如果你想按固定比例（比如保留30%的target=0用户）来采样，可以用这个方案：

WITH target_1_data AS (
    SELECT user_id, target 
    FROM dataset.mytable 
    WHERE target = 1
),
target_0_sampled AS (
    SELECT user_id, target
    FROM dataset.mytable 
    WHERE target = 0
    ORDER BY RAND()
    -- 这里的0.3就是你想要保留的target=0样本比例，可自行调整
    LIMIT (SELECT COUNT(*) * 0.3 FROM dataset.mytable WHERE target = 0)
)
SELECT * FROM target_1_data
UNION ALL
SELECT * FROM target_0_sampled;

简单总结下核心修改点：