时间戳

首页 > 解决方案 > 根据 k-fold 交叉验证中的 fold 从训练数据中选择样本

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。

标签： rk-fold

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