r - 如何在训练集和测试集之间分割数据集，同时保持两组中目标变量的比率？

Question

我有一个数据集，打算将其拆分为训练集和测试集，以便使用进行机器学习分析R.

假设我的数据集(称为 MyDataset)基于目标变量(称为 Leaver)的"is"(60%)和“否”(40%)比率，如何确保我的分割在训练集和测试集中都保持该比例？

Answer 1

您想要做的是对数据集进行分层分割。您可以使用 caret 包中的 createDataPartition 来完成此操作。只需确保您的 Leaver 变量被设置为一个因素即可。

请参阅下面的代码示例。

library(caret)
data(GermanCredit)

prop.table(table(GermanCredit$Class))
 Bad Good 
 0.3  0.7 
index <- createDataPartition(GermanCredit$Class, p = 0.6, list = FALSE)

# train
prop.table(table(GermanCredit$Class[index]))
 Bad Good 
 0.3  0.7 
#test
prop.table(table(GermanCredit$Class[-index]))
 Bad Good 
 0.3  0.7