r - 根据 k-fold 交叉验证中的 fold 从训练数据中选择样本
问题描述
我已经根据此处执行了不带包的 k 折交叉验证How to split a data set to do 10-fold cross validation using no packages
我需要从训练数据的每一折中选择 30% 的样本。这是我的功能:
samples = 300
r = 0.83
library('MASS')
df = data.frame(mvrnorm(n=samples, mu=c(0, 0), Sigma=matrix(c(1, r, r, 1), nrow=2), empirical=TRUE))
w = df[sample(nrow(df)),]
w = data.frame(w)
kcv = 10
folds <- cut(seq(from = 1,to = nrow(w)),breaks=kcv,labels=FALSE)
kfolddata<-cbind(w,folds)
for(i in 1:kcv){ #i=1
testIndexes <- which(kfolddata[,ncol(kfolddata)]==i,arr.ind=TRUE)
testData <- w[testIndexes, ]
trainData <- w[-testIndexes, ]
trainIndexes <- kfolddata[-testIndexes,]
if(i==1) {
set.seed=1234
SubInd = sample(nrow(trainData) , size = round(0.3 *
(nrow(trainData))),replace=F)
} else {
SubInd = rbind(SubInd,sample(nrow(trainData) , size = round(0.3 *
nrow(trainData))),replace=F))}}
}
}
结果将仅显示所选子集的 ID。如何获取 SubInt 的选定 ID 的信息(变量)?
使用rbind
是正确的方法吗?因为我需要从 SubInt 进行另一个循环。
解决方案
如果您的唯一目标是为每次折叠随机抽取 30% 的训练数据,那么您可以尝试使用lapply()
而不是 for 循环。结合filter()
和sample_frac()
。1000个原始案例,第一折的训练数据有900个案例,所以30%采样时返回270个。
# create df
df <- data.frame(x=runif(1000))
#Randomly shuffle the data
df <- df[sample(nrow(df)),]; df <- data.frame(x=df)
#Create 10 equally size folds
folds <- cut(seq(1,nrow(df)),breaks=10,labels=FALSE)
df$folds <- folds
df1 <- lapply(1:10,function(i){
train <- df %>% filter(folds!=i) %>% sample_frac(.3)
})
lapply(df1,dim)
d <- df1[[1]]; d %>% count(folds) # check no test data, fold==1
d <- df1[[2]]; d %>% count(folds) # check no test data, fold==2
推荐阅读
- postgresql - 消除 Postgres 触发器上的字段值
- office365 - 如何在office.js中为excel插件添加对话框
- c++ - 编译 Gurobi 示例代码时出现链接器错误
- powerbi - PowerBi 是否有“选项卡控件”控件
- javascript - 如何仅对表格的某些行进行排序?
- php - PHP、cURL、SendinblueAPI:如何对文件体进行编码以导入 CSV 文件?
- c# - 如何获取包含任何给定单词的所有字符串?
- r - 替换列条件 dplyr
- python - 在网络服务器上运行 python 脚本(后台)
- javascript - 当属性名称在字符串中时,Kendo UI(jquery)模板获取值