Question

我有一个数据集：

library(quantmod)
getSymbols('GOOG', from = "2010-05-01", to = "2017-05-01", src = "yahoo")

我正在尝试将这些数据分成火车（nrow 1：占60％的数据），测试（nrow 60％的数据以获得80％的数据）并最终验证（nrow 80％的数据）数据以获得100％的数据。）

我有以下内容;

library(caTools)
set.seed(123)
split <- sample.split(GOOG[Close], SplitRatio = 0.60)
train = subset(GOOG, split == TRUE)
nottrain = subset(GOOG, split == FALSE)

我被困在这里，我一直试图将“nottrain”数据集分成两部分而运气不佳。

我也相信数据集会随机分割（如果我错了，请纠正我）。我正试图按上述方法拆分它。

任何指向正确方向的人都会非常感激。

Answer 1

@ user113156，

＆＃34;我试图提高（假设我们有100天的简单数据）：第1天60天对应60％，第61:80天对应60％后的前20％，第81天：100将是最后的20％，（我理解％不准确......要考虑的另一个问题）＆＃34;

为什么不将数据放入数据框中，然后只需获取行的前60％并将其放入＆＃34;火车＆＃34; df，＆＃34; nottrain1＆＃34;的下一个20％ df，并且＆＃34; nottrain2＆＃34;持续20％ DF？看起来这是最简单的方法。也许我误解了这个问题。

Answer 2

你能澄清一下你的问题吗？拆分数据时，您是否尝试执行以下操作：将数据集拆分为列车的前60％记录，未列车的下一个40％，以及将非列车分成两半？例如，如果您有1000条记录，则需要记录1-600在列车中，记录601-800在nottrain的第一部分和801-1000在nottrain的第二部分中，或者您是否希望它全部随机化？如果你能澄清一下，我们可以提供帮助。

尝试将数据拆分为训练集，测试集和验证集（按时间顺序）

2 个答案: