创建数据集的两个列表之间的差异

Question

我有一个数据集，就像这个mushrooms <- read.csv("mushrooms.csv")一样，现在我的mushrooms.training_set已经是整个数据集的1/3。对于这两个变量，typeof()都会返回list。

现在，我想选择原始数据集mushrooms中不属于mushrooms.training_set的行。我该怎么做？我尝试过以下方法：

• mushrooms[c(!mushrooms.training_set),]但这会返回大约64K行的内容。
• mushrooms[!mushrooms.training_set,]
• mushrooms[!duplicated(mushrooms.training_set)]

谁帮助我？

Answer 1

您可以使用dplyr::setdiff：

从问题所在位置开始

library(dplyr)
mushroooms.test = setdiff(mushrooms, mushrooms.training_set)

但大多数情况下，在训练集的同时使用它更容易创建测试集。这里有很多例子How to split data into training and test sets?