Question

我正在尝试构建一些机器学习模型，

所以我需要一个训练数据和一个验证数据

所以假设我有N个例子，我想在数据框中选择随机x个例子。

例如，假设我有100个例子，我需要10个随机数，是否有办法（有效地）生成10个随机INTEGER数字，以便从我的样本数据中提取训练数据？

我尝试使用while循环，并慢慢更改重复的数字，但运行时间不是很理想，所以我正在寻找一种更有效的方法来实现它。

有人可以帮忙吗？

Answer 1

sample（或sample.int）执行此操作：

sample.int(100, 10)
# [1] 58 83 54 68 53  4 71 11 75 90

将从1-100范围内生成10个随机数。您可能需要replace = TRUE，其中包含替换样本：

sample.int(20, 10, replace = TRUE)
# [1] 10  2 11 13  9  9  3 13  3 17

更一般地说，sample从任意值的矢量中观察n个观测值。

Answer 2

如果我理解正确，您正在尝试创建一个保留采样。这通常使用概率来完成。因此，如果您有n.rows个样本，并希望将一小部分training.fraction用于培训，您可以执行以下操作：

select.training <- runif(n=n.rows) < training.fraction
data.training <- my.data[select.training, ]
data.testing <- my.data[!select.training, ]

如果您想指定训练案例的确切数量，您可以执行以下操作：

indices.training <- sample(x=seq(n.rows), size=training.size, replace=FALSE) #replace=FALSE makes sure the indices are unique
data.training <- my.data[indices.training, ]
data.testing <- my.data[-indices.training, ] #note that index negation means "take everything except for those"

Answer 3

来自raster包：

raster::sampleInt(242, 10, replace = FALSE)
##  95 230 148 183  38  98 137 110 188  39

如果限制太大，可能会失败：

sample.int(1e+12, 10)

从间隔生成一组随机唯一整数

3 个答案: