如何从插入包拆分数据创建createDataPartition函数？

Question

来自文档：

  

对于自举样本，使用简单随机抽样。

     

对于其他数据分割，随机抽样在y的水平内完成   当y是试图平衡其中的类分布的因素时   分裂。

     

对于数字y，根据百分位数将样本拆分为组   并在这些小组内进行抽样。

     

对于createDataPartition，百分位数通过组设置   参数。

我不明白为什么需要这种“平衡”的东西。我认为我从表面上理解它，但任何额外的见解都会非常有用。

Answer 1

这意味着，如果您有一个包含10000行的数据集ds

set.seed(42)
ds <- data.frame(values = runif(10000))

2个“等级”，分配不均（9000对1000）

ds$class <- c(rep(1, 9000), rep(2, 1000))
ds$class <- as.factor(ds$class)
table(ds$class)
#    1    2 
# 9000 1000 

你可以创建一个样本，试图保持因子类的比例/“平衡”。

dpart <- createDataPartition(ds$class, p = 0.1, list = F)
dsDP <- ds[dpart, ]
table(dsDP$class)
#   1   2 
# 900 100