在测试中拆分数据帧和在R中拆分训练集时如何保持各级分类变量

有时，当将具有分类列的数据帧拆分为测试和训练集时，训练集不会包含所有级别的分类变量。然后，当您训练模型并尝试预测测试集时，预测将失败，原因是：

例如：

x <- data.frame(...) # data frame with columns with very dispersed categorical variables
set.seed(123)
smp_size <- floor(0.75 * nrow(x))
train_idx <- sample(seq_len(nrow(x)), size = smp_size)
train_set <- x[train_idx, ]
test_set <- x[-train_idx, ]
m <- lm(some_formula, data=train_set)
predict(m, newdata=test_set)

Error in model.frame.default(Terms, newdata, na.action = na.action, xlev = object$xlevels) :  
    factor xxxx has new levels yyy ...

---

插入符号函数createDataPartition（）试图处理您描述的问题

根据上面的示例，您应该能够这样使用它：

train\u idx