使用 splitTools 将折叠列附加到训练数据框答案

【问题标题】：append fold column to training data frame using splitTools使用 splitTools 将折叠列附加到训练数据框
【发布时间】：2021-04-03 01:03:40
【问题描述】：

我正在使用此代码和包splitTools：

library(splitTools)

set.seed(3451)
inds <- partition(iris$Sepal.Length, p = c(train = 0.8, test = 0.2))

train <- iris[inds$train,]
test <- iris[inds$test,]

folds <- create_folds(train$Sepal.Length, k = 5)

返回的对象 folds 是一个整数列表。是否可以将列折叠附加到包含折叠数（在本例中为 1、2、3、4 或 5）的数据框序列？谢谢。

PS：

悲惨的尝试：

results <- NULL
index <- 1
for (fold in folds) {
    t <- train[-fold,]
    t$fold <- index
    index <- index + 1
    results <- rbind(results, t)
}

table(results$fold)
train <- results
head(train)

【问题讨论】：

标签： r

【解决方案1】：

您需要将折叠转换为数据框，然后为行创建索引并根据折叠将值添加为 TRUE/FALSE。代码如下：

library(dplyr)
#Bind
L <- lapply(folds, function(x) data.frame(val=x))
dffolds <- do.call(rbind,L)
dffolds$Fold <- gsub('\\..*','',rownames(dffolds))
rownames(dffolds)<-NULL
#Reshape
Folds <- dffolds %>% group_by(Fold) %>%
  mutate(V=T) %>%
  pivot_wider(names_from = Fold,values_from=V,values_fill=F)
#Merge
train2 <- train %>%
  mutate(val=row_number()) %>%
  left_join(Folds) %>%
  select(-val)

输出（一些行和列）：

    Sepal.Length Sepal.Width Petal.Length Petal.Width    Species Fold1 Fold2 Fold3
1            4.9         3.0          1.4         0.2     setosa  TRUE FALSE  TRUE
2            4.7         3.2          1.3         0.2     setosa FALSE  TRUE  TRUE
3            5.0         3.6          1.4         0.2     setosa  TRUE  TRUE FALSE
4            5.4         3.9          1.7         0.4     setosa FALSE  TRUE  TRUE
5            4.6         3.4          1.4         0.3     setosa  TRUE FALSE  TRUE
6            5.0         3.4          1.5         0.2     setosa  TRUE FALSE  TRUE
7            4.9         3.1          1.5         0.1     setosa FALSE  TRUE  TRUE
8            5.4         3.7          1.5         0.2     setosa  TRUE FALSE  TRUE
9            4.8         3.0          1.4         0.1     setosa  TRUE  TRUE FALSE
10           4.3         3.0          1.1         0.1     setosa  TRUE FALSE  TRUE

【讨论】：

谢谢 - 我在我原来的问题中添加了一个 PS，这似乎有效，但可能非常笨拙
@cs0815 我看到了，也不错，干得好:)
不知道为什么你最终只有 3 折，它也应该是长格式？
@cs0815 请省略，我最终得到了 5 折，但由于空间问题我没有包括 :)

【解决方案2】：

如果您有兴趣获取每行“非折叠”分区的索引，通过partition 更容易。 create_folds 本身调用partition，所以这样做不会丢失任何逻辑：

iris$fold <- partition(iris$Sepal.Length, p = rep(0.2, 5), split_into_list = FALSE)

# Gives
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species fold
1          5.1         3.5          1.4         0.2  setosa    4
2          4.9         3.0          1.4         0.2  setosa    2
3          4.7         3.2          1.3         0.2  setosa    4
4          4.6         3.1          1.5         0.2  setosa    5
5          5.0         3.6          1.4         0.2  setosa    4
6          5.4         3.9          1.7         0.4  setosa    3
>

免责声明：我是 splitTools 的作者，非常感谢您提供如何改进包的提示 :-)。

【讨论】：