R Tip：数据集划分为训练集和测试集？

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smaple()函数

代码片段如下：

data <- read.csv("raw_data/data.csv")

set.seed(20180808)
index <-  sort(sample(nrow(data), nrow(data)*.7))
train <- data[index,]
test <-  data[-index,]

2 使用caret包

代码片段如下：

library(caret)
data <- read.csv("raw_data/data.csv")
set.seed(20180808)
index <- createDataPartition(
  data$y,
  p = 0.7,
  list = FALSE
)
train <- data[index, ]
test <- data[-index, ]

3 使用caTools包

代码片段如下：

library(caTools)
data <- read.csv("raw_data/data.csv")

set.seed(20180808)
index  <-  sample.split(data$y,SplitRatio = 0.3)
train <- subset(data, index == TRUE)
test <- subset(data, index == FALSE)

4 使用scorecard包

代码片段如下：

library(scorecard)
data <- read.csv("raw_data/data.csv")
set.seed(20180808)
data_list <- split_df(data, ratio = 0.7)
train <- data_list$train
test <- data_list$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！