【R Tip】数据集划分为训练集和测试集？

笔者邀请您，先思考：

1 如何划分数据集？

问题背景

我们构建数据模型的时候，需要把数据集划分为训练集和测试集，训练集用来训练模型，测试集用来测试模型的泛化能力。本文总结R语言如何把数据集划分为训练集和测试集？

解决方案

结合实际工作，罗列4中解决方案。

1 使用sample()函数

代码片段如下：

1data <- read.csv("raw_data/data.csv")
2
3set.seed(20180808)
4index <-  sort(sample(nrow(data), nrow(data)*.7))
5train <- data[index,]
6test <-  data[-index,]

2 使用caret包

代码片段如下：

 1library(caret)
 2data <- read.csv("raw_data/data.csv")
 3set.seed(20180808)
 4index <- createDataPartition(
 5  data$y,
 6  p = 0.7,
 7  list = FALSE
 8)
 9train <- data[index, ]
10test <- data[-index, ]

3 使用caTools包

代码片段如下：

1library(caTools)
2data <- read.csv("raw_data/data.csv")
3
4set.seed(20180808)
5index  <-  sample.split(data$y,SplitRatio = 0.3)
6train <- subset(data, index == TRUE)
7test <- subset(data, index == FALSE)

4 使用scorecard包

代码片段如下：

1library(scorecard)
2data <- read.csv("raw_data/data.csv")
3set.seed(20180808)
4data_list <- split_df(data, ratio = 0.7)
5train <- data_list$train
6test <- data_list$test

参考资料

1 https://topepo.github.io/caret/data-splitting.html
2 http://shujuren.org/article/637.html

版权声明：作者保留权利，严禁修改，转载请注明原文链接。

数据人网是数据人学习、交流和分享的平台http://shujuren.org 。专注于从数据中学习到有用知识。
平台的理念：人人投稿，知识共享；人人分析，洞见驱动；智慧聚合，普惠人人。
您在数据人网平台，可以1）学习数据知识；2）创建数据博客；3）认识数据朋友；4）寻找数据工作；5）找到其它与数据相关的干货。
我们努力坚持做原创，聚合和分享优质的省时的数据知识！
我们都是数据人，数据是有价值的，坚定不移地实现从数据到商业价值的转换！

公众号推荐：

链达君，专注于分享区块链内容。

艾鸽英语，专注于分享英语口语内容。