R

Question

我想知道如何在R中进行多次采样。例如，当我尝试将一些数据划分为60（训练数据）：40（验证数据）时，我可以编写如下代码：

original.data = read.csv("~.csv", na.strings="")              
train.index = sample(c(1:dim(original.data)[1]), dim(original.data)[1]*0.6)

train.data = original.data[train.index,]
valid.data = original.data[-train.index,]

但是，很难进行多次采样，例如将某些数据划分为60:20:20。

如果您让我知道最佳解决方案，我将不胜感激！

Answer 1

如果您需要两个以上的集合，那么其他解决方案也很接近，但您只需要更多。至少有两个选择。

第一

set.seed(2)
table(samp <- sample(1:3, size = nrow(iris), prob = c(0.6, 0.2, 0.2), replace = TRUE))
#  1  2  3 
# 93 35 22 

nrow(iris) # 150
set1 <- iris[samp == 1,]
set2 <- iris[samp == 2,]
set3 <- iris[samp == 3,]

set1 <- iris[samp == 1,]
set2 <- iris[samp == 2,]
set3 <- iris[samp == 3,]
nrow(set1)
# [1] 93
nrow(set2)
# [1] 35
nrow(set3)
# [1] 22

因为它是随机的，所以您总是希望得到准确的比例。

第二：

如果必须有确切的比例，可以执行以下操作：

ns <- nrow(iris) * c(0.6, 0.2, 0.2)
sum(ns)
# [1] 150
### in case of rounding (and sum != nrow) ... just fix one of ns

rep(1:3, times = ns)
#   [1] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
#  [46] 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
#  [91] 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
# [136] 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3
set.seed(2)
head(samp <- sample(rep(1:3, times = ns)))
# [1] 1 2 1 1 3 3

set1 <- iris[samp == 1,]
set2 <- iris[samp == 2,]
set3 <- iris[samp == 3,]
nrow(set1)
# [1] 90
nrow(set2)
# [1] 30
nrow(set3)
# [1] 30

可以很容易地将其概括为支持任意数量的分区。