Pyspark - 在RDD上的randomSplit w /替换或没有？

Question

我需要将RDD拆分为训练，验证和测试集 - 我正在使用randomSplit方法来完成它。我有三个问题：

1. 这是用于分割成测试，验证，训练集的最佳方法吗？
2. 我认为这是真正分裂数据（没有替换的采样）而不是采取三个独立样本（替换采样）？

（trainData，valData，testData）= dataRDD.randomSplit（[0.6,0.2,0.2]）

Answer 1

• 这是在Spark中拆分数据的有效方法。
• 它创建的数据拆分不是独立的样本。