R中的数据分区答案

【问题标题】：Data Partition in RR中的数据分区
【发布时间】：2015-12-20 18:22:44
【问题描述】：

我正在寻找一种在不使用sample() 函数的情况下对数据集进行分区的稳健方法，并希望得到一些反馈。

事实上，理想情况下，我希望摆脱 random 使用 sample() 所固有的属性

samp<-data.frame(qldat)   # convert zoo time-series object to data.frame
ind <- sample(2,nrow(samp),replace = TRUE, prob=c(0.8,0.2))  # splitting
#data series between training and test sets
tsamp<- samp[ind==1,]  # training dataset
vsamp<- samp[ind==2,]  # test set

经过一些研究，我发现subset() 可能会有所帮助，但它可能涉及到一些hard-coding数据集。 硬编码我的意思是对于使用 nrow(samp) 的 80:20 拆分（%），例如可以将数据从 row=1 子集化到 row= 0.8 * nrow(samp) ，承认这可能不是一个非常有效的解决方案。

我也尝试过createDataPartition()，但它不符合我的预期，因为samp 没有我可以依赖的任何categorical data 进行拆分（例如createDataPartition(y=samp$categoricaldata,p=0.8, list=FALSE）

PS：我喜欢在ind<- 中包含prob=c(0.8,0.2)，因此切片是自动排序的。因此，任何类似的想法不随机拆分 tsamp && vsamp 将不胜感激。

最好的，

【问题讨论】：

如果不是随机的，你想如何确定数据的哪一部分是训练和测试的？您是否总是希望按行在数据中出现的顺序来执行此操作？如果无法进行“清晰”拆分（例如 0.2 和 0.8 以及 101 次观察的概率），会发生什么情况。
@Heroka：使用nrow()。如果某个特定列是从假设[1:10] 索引的，那么考虑从[round(1*80%):8] 为tsamp 的第一个拆分。希望对您有所帮助。

标签： r dataframe partitioning zoo

【解决方案1】：

这是你要找的吗？

n <- nrow(samp)
train_i <- 1:round(0.8*n)
test_i <- round(0.8*n+1):n
train <- samp[train_i,]
test <- samp[test_i,]

【讨论】：

谢谢，你肯定明白我的意思。您的建议确实有效，我会接受它作为答案，尽管 - 如线程中所示 - 我不想以某种方式使用 (0.8* n) 对数据集进行硬编码。也许没有其他选择......
您希望分割比例是随机的还是您要寻找什么？
到目前为止，我对静态权重很满意，但只是认为可能有一种不同的方式可以在单个语句中复制它，例如 ind<-。
你能描述一下上述方法不起作用的设置吗？
“条条大路通罗马”，你的方法行得通，不用担心。我在帖子中通过<-ind 编辑的也可以工作，我对包含权重向量有一点偏好。不幸的是，正如预期的那样，由于sample()，我的训练和测试集是随机填充的，我一直在寻找没有sample() 的类似语法（如果存在）。希望清楚。