在R中創建訓練和測試數據集

Question

我想從mydata創建訓練和測試數據，其中有2673個觀察值和23個變量。但是，我不能僅僅通過減去訓練數據來創建測試集。

dim(mydata) 
## [1] 2673 23 
set.seed(1) 
train = mydata[sample(1:nrow(mydata), 1000, replace=FALSE), ] 
dim(train) 
## [1] 1000 23 

當我運行下面，我得了19個警告和結果有20062點意見：

​​

我在做什麼錯？

Answer 1

一個可能的解決方案涉及將採樣的索引存儲在單獨的命名向量中。

train_idx <- sample(1:nrow(mydata),1000,replace=FALSE) 
train <- mydata[train_idx,] # select all these rows 
test <- mydata[-train_idx,] # select all but these rows 

而且，知道data.frame的row.names屬性必須包含唯一值， 你也可以設置如

test <- mydata[!(row.names(mydata) %in% row.names(train)), ] 

但第二溶液是較慢的2倍上mydata <- data.frame(a=1:100000, b=rep(letters, len=100000))，如通過microbenchmark()測量。