使用 R 从原始数据集中随机创建具有不同特征的各种子集答案

【问题标题】：Randomly create various subsets with different features from the original dataset using R使用 R 从原始数据集中随机创建具有不同特征的各种子集
【发布时间】：2021-12-27 19:37:01
【问题描述】：

我有一个包含 300 多个特征和一个响应列的数据集。我想知道是否可以使用 R 随机创建 4 个具有不同特征的子集。

例如：

数据集为 CSV 格式。提前致谢。

【问题讨论】：

标签： r

【解决方案1】：

如果您只想要随机功能，可以尝试这样的方法。请注意，这是基于发布的图像，但您提到您的真实数据具有 300 个特征。我不知道您的真实数据集是什么样的，但您应该能够轻松修改它以考虑实际数据集。

set.seed(123)
# create sample data
sample_data <- data.frame(id = 1:7,
                          F1 = sample(1:10,7),
                          F2 = sample(1:10,7),
                          F3 = sample(1:10,7),
                          F4 = sample(1:10,7),
                          F5 = sample(1:10,7),
                          F6 = sample(1:10,7),
                          F7 = sample(1:10,7),
                          F8 = sample(1:10,7),
                          label = sample(0:1, 7, replace = T))

# sample random factor columns
subset1 <- sample_data[, c(1,sample(2:9,2),10)]
subset2 <- sample_data[, c(1,sample(2:9,2),10)]
subset3 <- sample_data[, c(1,sample(2:9,2),10)]
subset4 <- sample_data[, c(1,sample(2:9,2),10)] 

#subset1
# id F8 F6 label
#1  1  2  1     1
#2  2  8  3     1
#3  3  9 10     1
#4  4 10  7     1
#5  5  1  6     0
#6  6  6  5     0
#7  7  5  8     1

【讨论】：

非常感谢您的回答。但是，该解决方案在某些情况下会产生具有相似特征的子集。主要目标是获得具有独特且随机选择的特征的子集。
好的，谢谢你的澄清——我还是不清楚，你想要四个数据子集中有多少特征？您希望将所有 300 个特征划分为四个子集，还是每个子集都有“n”个特征？
是的，我希望将所有 300 个特征划分为 4 个子集，其中每个子集将具有 75 个随机选择的特征和响应列。

【解决方案2】：

感谢@jpsmith 的回答，我设法使用以下代码解决了这个问题：

data <- read.csv("-----/file.csv")

label <- data$label 

subset1 <- data[, c(sample(1:300,75))]
subset1$label <- label
data = data[,!(names(data) %in% colnames(subset1))]

subset2 <- data[, c(sample(1:225,75))]
subset2$label <- label
data = data[,!(names(data) %in% colnames(subset2))]

subset3 <- data[, c(sample(1:150,75))]
subset3$label <- label
data = data[,!(names(data) %in% colnames(subset3))]

subset4 <- data
subset4$label <- label

如果有改进解决方案的方法，请发布。

【讨论】：