随机分配给训练/测试数据集时，将R数据帧中的行分组在一起

我有一个数据帧，它由X行块组成，每个行对应一个单独的行（其中X对于每个单独的行可能不同）。我想将这些个体随机分配到训练、测试和验证样本中，但到目前为止，我还无法获得正确的语法，以确保用户的X行中的每一行始终收集到相同的子样本中

例如，数据可以简化为：

user    feature1     feature2
 1        "A"           "B"
 1        "L"           "L"
 1        "Q"           "B"
 1        "D"           "M"
 1        "D"           "M"
 1        "P"           "E"
 2        "A"           "B"
 2        "R"           "P"
 2        "A"           "F"
 3        "X"           "U"
...       ...           ...

然后，如果我最终将用户随机分配到一个训练集、测试集或验证集，那么该用户的所有行（用户编号是唯一的）都将在同一个集中，并分组在一起，例如，如果用户1在训练集中，那么格式仍然是：

user    feature1     feature2
 1        "A"           "B"
 1        "L"           "L"
 1        "Q"           "B"
 1        "D"           "M"
 1        "D"           "M"
 1        "P"           "E"

作为奖励，我很想知道这个问题的解决方案是否可以扩展到进行k-fold交叉验证，但到目前为止，我还没有想出更简单的第一步

---

提前感谢。

我们可以先创建一个索引来指示每组数据。我选择了test:60%，train:40%，validation:10%，但是您可以使用

sample

的

prob=

参数选择所需的比率。然后，我们通过

用户

拆分数据帧。最后，我们根据我们创建的索引对用户进行

rbind

。然后我们可以调用

all_dfs[['train']]

，依此类推：

indx <- sample(1:3, length(unique(df$user)), replace=TRUE, prob=c(.6,.4,.1))
s <- split(df, df$user)
all_dfs <- lapply(1:3, function(x) do.call(rbind, s[indx==x]))
names(all_dfs) <- c('train', 'test', 'validation')

---

indx询问堆栈溢出。