Question

所以我的任务是将506个观察数据框分成10个不同的训练和测试集样本（替换）。我这样做，所以我可以通过一个模型，看到10个样本的平均MSE。到目前为止，我已经有了以下愚蠢的复杂循环：

temp_train<- setNames(lapply(1:10, function(x) {x <-homeprices[sample(1:nrow(homeprices), 
.8*n, replace = FALSE), ]; x }), paste0("tr_sample.", 1:10))
for (i in 1:length(temp_train)) {
  assign(paste0("df_train_", i), as.data.frame(temp_train[i]))
  name<-assign(paste('df_train_', i, sep=''), x[i])
  temp_test<- setNames(homeprices[-name], paste0("te_sample.", 1:10))
  alpha<-assign(paste0("df_test_", i), as.data.frame(temp_test[i]))
}

这个for循环产生说df_test_2，它是一个变量506观察的数据帧。它应该是包含13个变量的102个obvs的数据帧，即不在df_train_2中的102个观测值。因此，我的问题是，实现这一目标的更好方法是什么？如果可能的话，我宁愿不安装任何软件包，因为我想掌握基础知识。

Answer 1

在基础R中处理此类任务的常见（且有效）策略不是创建每个单独的数据框，而是创建一组定义分区的索引。

例如，

x <- replicate(n = 10,expr = {sample(506,404)})

创建一个矩阵，其中十列中的每一列都填充了随机选择的404行（506的80％左右）的行索引。然后，您将遍历模型拟合并使用x列来选择传递给模型的数据的训练子集。相同指数的负指数将产生相应的20％用于测试。

这样就不会有大量的数据框副本。

R需要十个独特的样本并进入训练/测试集？

1 个答案: