P3-4.1 怎样决定一条可比较的样本¶
Section ID:
P3-4.1Version:v2026.09.19
一个样本是当前问题中要比较或预测的一个对象。文件的一行不一定就是这个对象。同一日志，问瞬时值时按时点读，问动作结果时按动作读，问运行区段时按多个动作的组合读。
对齐一个事件的问题、边界、特征与结果¶
本节问题是“哪些动作被记录为需要复核，它们的观测流量如何？”测量日志和复核结果是本书的虚构资料。测量表一行是动作内的一个时点，结果表一行是一次动作的复核结果。
先看 E01。本练习流量按 L/min 读取。
| event_id | elapsed_seconds | flow |
|---|---|---|
| E01 | 0 | 0.0 |
| E01 | 1 | 1.4 |
| E01 | 2 | 1.6 |
| 决定 | 应用于 E01 |
|---|---|
| 问题对象 | E01 这一次动作 |
| 分组边界 | 把相同 event_id 的记录归组；当前观测时刻为 0、1、2 秒 |
| 特征候选 | 观测平均流量 (0.0+1.4+1.6)/3 = 1.0 L/min |
| 要连接的结果 | 结果表 E01 行的 review_needed=1 |
| 尚未确认 | 实际结束时刻、完整动作观测情况、复核判定标准 |
在这份虚构资料中，review_needed 的 1 表示记录为需要复核，0 表示记录为不需要复核，不是已确认故障的标签。能够连接到事件，与已经确认结果的判定依据，是不同的事情。
对当前问题，三个测量行是一次动作的依据。即使保留完整序列而不取均值，样本单位仍可以是一次动作；汇总并非必要条件。同样，把 E01 的结果 1 重复贴在三个测量行上，并不会增加为三次被标记为需要复核的动作。
单位改变时在数什么¶
| 问题 | 一个样本或聚合行的单位 | 当前资料中的数量 | 所需依据 |
|---|---|---|---|
| 各观测时点的值是多少 | 测量时点 | 36 行 | 事件标识、观测时刻、测量值 |
| 各动作的观测与复核结果是什么 | 一次动作 | 12 个事件 | 事件记录组与同一事件的结果 |
| 近期组与基准组的状态是否不同 | 选定的动作组 | 2 个聚合行 | 成员、选取条件、汇总方法 |
测量表的 E01~E12 各有三行。将六个 is_recent=1 的动作与六个 is_recent=0 的动作归组，得到近期与基准两个聚合行。该列是虚构资料提供的分组标记，文件不能确认实际日期或区段长度。得到两个聚合行，并不等于观测了两个新的独立动作。
复核结果表有 E01~E36 共 36 行，但当前输入中有测量值的动作只有 E01~E12，因此可连接到当前测量日志的结果是 12 个。E13~E36 应单独保留为当前输入范围内没有对应测量记录的结果，不应把结果文件行数当作当前动作样本数。
这些对应关系是按问题作出的设计选择，不是数据自动推荐的最优单位。问题改变时应重新选择单位。尤其是“数值在哪个区间发生变化？”，需要相邻时刻与测量值的关系，单个瞬时值不够。
分别检查观测点数量与结果连接¶
本练习分别记录是否至少有三个观测点和是否连接了复核结果。前者只是本练习设定的至少三个观测点的条件，不是动作结束边界的确认。原始资料的 12 个事件都通过这两个检查。
不改原文件，假设三种情况：①只排除 E01 的 2 秒测量；②只排除 E02 的复核结果；③同时排除两项。先写下事件数、通过点数条件的事件数与结果连接数，再核对下表。
| 情况 | 测量行数 | 事件数 | 通过点数条件 | 连接结果 | 同时满足两个条件 |
|---|---|---|---|---|---|
| 原始资料 | 36 | 12 | 12 | 12 | 12 |
| ①排除 E01 的 2 秒测量 | 35 | 12 | 11 | 12 | 11 |
| ②排除 E02 的复核结果 | 36 | 12 | 12 | 11 | 11 |
| ③同时排除两项 | 35 | 12 | 11 | 11 | 10 |
①中 E01 的 0、1 秒记录仍在，所以仍有 12 个事件。E01 的观测点不足，但结果存在。②中 E02 有三个观测点，结果却未确认。填入 review_needed=0 会把“没有结果”改成“不需复核”。③中两个不同事件各不满足一个条件，所以同时满足两个条件的事件剩下 10 个。
排除 E01 的 2 秒记录，还会使观测均值变为 (0.0+1.4)/2 = 0.7。这来自所用记录范围改变，并非动作状态发生变化的证据。把点数标准提高到四个，原始资料的所有事件都不能通过；改变标准并不会损坏原记录，也不会使动作本身变得不完整。
点数足够时，也要另行检查是否有相同时刻重复计数，以及是否真正观测了开始和结束。本 CSV 没有结束标记，因此完整动作观测仍应保留为未确认。
按问题确定样本边界¶
flowchart TD
A[确定问题] --> B{要比较什么对象}
B -- 瞬时值 --> C[观测时点]
B -- 动作观测与结果 --> D[一次动作]
B -- 近期与基准组 --> E[选定的动作组]
C --> F[记录边界与所需依据]
D --> F
E --> F
F --> G[检查观测范围及问题所需的结果连接]
针对自己的问题写下：“一条案例是，归组键是，观测范围是，需要的结果或比较基准是，尚未确认的边界是___。”本例分别对应一次动作、event_id、已取得的时点记录、事件级复核结果、实际结束边界。能够标识事件，并不自动确认特征与结果的含义。
检查清单¶
- 能否解释 36 个测量行、12 个事件和 2 个聚合行各自在数什么？
- 是否把 E01 的观测与结果连接为一个事件，并标出未确认边界？
- 是否把当前没有测量记录的 E13~E36 与动作样本数分开？
- 是否区分了观测点不足与结果未确认，并重现③中的 10 个事件？
- 能否区分通过点数条件与完整观测动作？