Question

我有一个数据集，打算使用training set在testing set和machine learning之间进行拆分，以进行R分析。

假设基于目标变量（称为MyDataset，我的数据集（称为Leaver）的比率为是（60％）和否（40％），那么如何确保分裂会同时在训练组和测试组中保持该比例吗？

Answer 1

您想要做的是对数据集进行分层拆分。您可以使用脱字号包中的createDataPartition进行此操作。只需确保将Leaver变量设置为一个因子即可。

请参见下面的代码示例。

library(caret)
data(GermanCredit)

prop.table(table(GermanCredit$Class))
 Bad Good 
 0.3  0.7 
index <- createDataPartition(GermanCredit$Class, p = 0.6, list = FALSE)

# train
prop.table(table(GermanCredit$Class[index]))
 Bad Good 
 0.3  0.7 
#test
prop.table(table(GermanCredit$Class[-index]))
 Bad Good 
 0.3  0.7

Answer 2

不带包装：

GermanCredit$id<-1:dim(GermanCredit)[1]

bad_id<-sample(GermanCredit$id[GermanCredit$Class=="Bad"],0.6*.3*300)
good_id<-sample(GermanCredit$id[GermanCredit$Class=="Good"],0.6*.7*300)

train_index<-sample(c(bad_id,good_id))
#train set
prop.table(table(GermanCredit$Class[train_index]))
Bad Good 
0.3  0.7 

#test
prop.table(table(GermanCredit$Class[-train_index]))
Bad Good 
0.3  0.7

如何在训练集和测试集之间划分数据集，同时保持两组中目标变量的比率？

2 个答案: