Fatal编程技术网
  • r/
  • 使用R将数据按标准随机拆分为训练和测试数据集

使用R将数据按标准随机拆分为训练和测试数据集

r dataframe

使用R将数据按标准随机拆分为训练和测试数据集,r,split,dataframe,random-sample,R,Split,Dataframe,Random Sample,吉迪 我正在寻找一种随机分割数据帧（例如90/10分割）的方法，用于测试和训练保持一定分组标准的模型 假设我有这样一个数据框： > test[1:20,] companycode year expenses 1 C1 1 8.47720 2 C1 2 8.4525

吉迪

我正在寻找一种随机分割数据帧（例如90/10分割）的方法，用于测试和训练保持一定分组标准的模型

假设我有这样一个数据框：

> test[1:20,]
                companycode     year    expenses         
    1                 C1          1     8.47720                 
    2                 C1          2     8.45250                 
    3                 C1          3     8.46280                 
    4                 C2          1 14828.90603                 
    5                 C3          1   665.21565                 
    6                 C3          2   290.66596                 
    7                 C3          3   865.56265                 
    8                 C3          4   6785.03586                
    9                 C3          5   312.02617                 
    10                C3          6   760.48740               
    11                C3          7  1155.76758                
    12                C4          1  4565.78313                 
    13                C4          2  3340.36540                 
    14                C4          3  2656.73030                 
    15                C4          4  1079.46098                 
    16                C5          1    60.57039                 
    17                C6          1  6282.48118                 
    18                C6          2  7419.32720                 
    19                C7          1   644.90571                 
    20                C8          1 58332.34945   

> data_90split

           companycode     year    expenses         

        4                 C2          1 14828.90603                                 
        12                C4          1  4565.78313                 
        13                C4          2  3340.36540                 
        14                C4          3  2656.73030                 
        15                C4          4  1079.46098                 
        16                C5          1    60.57039
        5                 C3          1   665.21565                 
        6                 C3          2   290.66596                 
        7                 C3          3   865.56265                 
        8                 C3          4   6785.03586                
        9                 C3          5   312.02617                 
        10                C3          6   760.48740               
        11                C3          7  1155.76758                 
        17                C6          1  6282.48118                 
        18                C6          2  7419.32720
        1                 C1          1     8.47720                 
        2                 C1          2     8.45250                 
        3                 C1          3     8.46280



 > data_10split
                    companycode     year   expenses
        20                C8          1 58332.34945 
        19                C7          1   644.90571
我试图做的是使用定义的分割标准将这个数据帧分割成一个训练集和一个测试集。使用提供的数据，我希望以一种不让公司在两个数据框中混淆的方式分割数据。数据集1包含与数据集2不同的公司

想象一个90/10的分割，一个理想的分割是这样的：

> test[1:20,]
                companycode     year    expenses         
    1                 C1          1     8.47720                 
    2                 C1          2     8.45250                 
    3                 C1          3     8.46280                 
    4                 C2          1 14828.90603                 
    5                 C3          1   665.21565                 
    6                 C3          2   290.66596                 
    7                 C3          3   865.56265                 
    8                 C3          4   6785.03586                
    9                 C3          5   312.02617                 
    10                C3          6   760.48740               
    11                C3          7  1155.76758                
    12                C4          1  4565.78313                 
    13                C4          2  3340.36540                 
    14                C4          3  2656.73030                 
    15                C4          4  1079.46098                 
    16                C5          1    60.57039                 
    17                C6          1  6282.48118                 
    18                C6          2  7419.32720                 
    19                C7          1   644.90571                 
    20                C8          1 58332.34945   

> data_90split

           companycode     year    expenses         

        4                 C2          1 14828.90603                                 
        12                C4          1  4565.78313                 
        13                C4          2  3340.36540                 
        14                C4          3  2656.73030                 
        15                C4          4  1079.46098                 
        16                C5          1    60.57039
        5                 C3          1   665.21565                 
        6                 C3          2   290.66596                 
        7                 C3          3   865.56265                 
        8                 C3          4   6785.03586                
        9                 C3          5   312.02617                 
        10                C3          6   760.48740               
        11                C3          7  1155.76758                 
        17                C6          1  6282.48118                 
        18                C6          2  7419.32720
        1                 C1          1     8.47720                 
        2                 C1          2     8.45250                 
        3                 C1          3     8.46280



 > data_10split
                    companycode     year   expenses
        20                C8          1 58332.34945 
        19                C7          1   644.90571
我希望我清楚地指出我在寻找什么。
谢谢你的反馈

假设您所需的组没有任何条件，以下内容将随机将您的数据帧分成90%和10%的分区（存储在列表中）：

产生：

$`FALSE`
   companycode year  expenses
10          C3    6  760.4874
12          C4    1 4565.7831

$`TRUE`
   companycode year    expenses
1           C1    1     8.47720
2           C1    2     8.45250
3           C1    3     8.46280
4           C2    1 14828.90603
5           C3    1   665.21565
6           C3    2   290.66596
7           C3    3   865.56265
8           C3    4  6785.03586
9           C3    5   312.02617
11          C3    7  1155.76758
13          C4    2  3340.36540
14          C4    3  2656.73030
15          C4    4  1079.46098
16          C5    1    60.57039
17          C6    1  6282.48118
18          C6    2  7419.32720
19          C7    1   644.90571
20          C8    1 58332.34945

comps by“条件是我想保留$companycode和$year的数据分组标准”，您的意思是想在两个拆分中保留整个数据帧吗？或者，您想对90行中哪些行可以进入与10行中哪些行可以进入设置一个约束？您能澄清一下吗？请
想保留$companycode和$year的数据分组标准。
？@BrodieG我的意思是设置一个约束。它应该是分开的，为每个公司保留行顺序，然后按公司随机分开。我仍然很难理解这个限制。@BrodieG我也有这个困难的时候..完美而简单。多谢各位！这并没有达到用户的要求：在您的解决方案中，C3和C4同时出现在两个集合中。