什么是欠采样？
采样定理：
当采样频率fs.max大于信号中，***频率fmax的2倍时，即：fs.max=2fmax,则采样之后的数字信号完整地保留了原始信号中的信息，一般取2.56-4倍的信号***频率；采样定理又称奈奎斯特定理。
欠采样是在测试设备带宽能力不足的情况下，采取的一种手段，相当于增大了测试设备的带宽，从而达到可以采样更高频率信号的能力。
如何处理不平衡数据（一）——欠采样
一、重采样
1、欠采样
欠采样就是一个随机删除一部分多数类（数量多的类型）数据的过程
# Shuffle the Dataset. 进行一个数据集打乱的操作
shuffled_df = credit_df.sample(frac=1,random_state=4)
# Put all the fr***d class in a separate dataset. 欺诈类 就是数量少的类
fr***d_df = shuffled_df.loc[shuffled_df['Class'] == 1]
#Randomly select 492 observations from the non-fr***d (majority class) 选取过多的类进行一个抽取
non_fr***d_df=shuffled_df.loc[shuffled_df['Class']== 0].sample(n=492,random_state=42)
# Concatenate both dataframes again 生成一个均衡类
normalized_df = pd.concat([fr***d_df, non_fr***d_df])
#plot the dataset after the undersampling 下面是画图操作
plt.figure(figsize=(8, 8))
sns.countplot('Class', data=normalized_df)
plt.title('Balanced Classes')
plt.show()
(1)对正弦信号的抽样要注意哪些因素?(2)欠采样和过采样信号各有哪些缺点
过采样：重复正比例数据，实际上没有为模型引入更多数据，过分强调正比例数据，会放大正比例噪音对模型的影响。
欠采样：丢弃大量数据，和过采样一样会存在过拟合的问题。
过采样与欠采样有何区别
一、采样定理
只要采样频率高于信号***频率的两倍，就可以从采样信号中恢复出原始信号。
二、过采样和欠采样
1、采样频率高于信号***频率的两倍，这种采样被称为过采样。
2、采样频率低于信号***频率的两倍，这种采样被称为欠采样。
三、基带信号和频带信号的采样
1、对基带信号进行欠采样是无法从采样信号中恢复出原始信号的，因此基带信号的采样都是过采样。

2、对频带信号进行采样可以是过采样，也可以是欠采样。只要保证采样频率高于原始信号带宽的两倍，就可以从欠采样信号中恢复出原始信号。这种情况下，原始信号带宽的2倍采样频率频带信号***频率的2倍。
关于欠采样和欠采样得到的频率的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。