在R中创建培训集和测试集
我正在做一个项目,我需要建立一个机器学习模型。我需要基于行名创建一个训练集和测试集。我已经搜索了几个小时,但找不到正确的代码。 我有以下数据帧:在R中创建培训集和测试集,r,machine-learning,R,Machine Learning,我正在做一个项目,我需要建立一个机器学习模型。我需要基于行名创建一个训练集和测试集。我已经搜索了几个小时,但找不到正确的代码。 我有以下数据帧: df <- data.frame(docnr= c("doc1", "doc1", "doc2", "doc2", "doc3", "doc3"),x = c(1,4,2,3,6,5), y = c(5,6,3,9,5,2)) docnr x y doc1 1 5 doc1 4 6 doc2 2 3 doc2 3 9 doc3 6 5
df <- data.frame(docnr= c("doc1", "doc1", "doc2", "doc2", "doc3", "doc3"),x = c(1,4,2,3,6,5), y = c(5,6,3,9,5,2))
docnr x y
doc1 1 5
doc1 4 6
doc2 2 3
doc2 3 9
doc3 6 5
doc3 5 2
通过以下代码,我成功地创建了一个训练集和测试集。但这不是我想要的
smp_size <- floor(0.67 * nrow(df))
train_ind <- sample(seq_len(nrow(df)), size = smp_size)
train <- df[train_ind, ]
test <- df[-train_ind, ]
smp\u size试试看,例如
train <- subset(df, docnr %in% paste0("doc", c(1, 3)))
test <- subset(df, !docnr %in% paste0("doc", c(1, 3)))
train如果您需要随机生成train
和test
,您可以首先按docnr
拆分df
,然后根据所需的比率洗牌生成的数据帧列表;最后,将数据帧rbind到train
和test
中
# Split df per docnr
d1 <- split(df,df$docnr)
# Define ratio and shuffle
smp_size <- floor(0.67 * length(d1))
train_ind <- sample(seq_len(length(d1)), size = smp_size)
# define train and test
train <- rbindlist(d1[train_ind])
test <- rbindlist(d1[-train_ind])
#每个文档拆分df
d1
test <- setdiff(df, train)
# Split df per docnr
d1 <- split(df,df$docnr)
# Define ratio and shuffle
smp_size <- floor(0.67 * length(d1))
train_ind <- sample(seq_len(length(d1)), size = smp_size)
# define train and test
train <- rbindlist(d1[train_ind])
test <- rbindlist(d1[-train_ind])