如何分割数据70:30并在每次拆分时获得不同的数据范围

Question

我目前正在使用R通过使用随机森林回归来进行特征选择。我想将数据分成70:30，这很容易。但是，我希望能够这样做10次，每次10次，从之前获得一组不同的例子。

> trainIndex<- createDataPartition(lipids$RT..seconds., p=0.7, list=F)
> lipids.train <- lipids[trainIndex, ]
> lipids.test <- lipids[-trainIndex, ]

这就是我现在正在做的事情，它可以很好地将我的数据分成70:30。但是当我再次这样做时，我在训练集中获得相同的70％的数据，并且在我的测试数据中获得相同的30％的数据。我知道这就是createDataPartition的工作方式，但有没有办法让我在下次执行时得到不同的70％的数据呢？

由于

Answer 1

将来，请包含您使用的套餐，因为createDataPartition不在基础R中。我假设您正在使用caret套餐。如果这是正确的，你找到了times参数吗？

trainIndex<- createDataPartition(lipids$RT..seconds., p=0.7, list=F, times=10)

如评论中所述，您只需使用sample：

即可

sample(seq_along(lipids$RD..seconds), as.integer(0.7 * nrow(lipids)))

sample每次运行时都会选择不同的随机种子，因此您将获得不同的订单。

Answer 2

library(dplyr)
n <- as.integer(length(data[,1])*0.7)
data_70 <- data[sample(nrow(data),n), ]
data_30 <- anti_join(data, data_70)