initial_split
将数据创建为训练集和测试集的单个二进制分割。 initial_time_split
执行相同操作,但采用第一个 prop
样本进行训练,而不是随机选择。 group_initial_split
根据某些分组变量创建数据拆分,以便将 "group" 中的所有数据分配给同一拆分。 training
和testing
用于提取结果数据。
用法
initial_split(data, prop = 3/4, strata = NULL, breaks = 4, pool = 0.1, ...)
initial_time_split(data, prop = 3/4, lag = 0, ...)
training(x, ...)
# S3 method for default
training(x, ...)
# S3 method for rsplit
training(x, ...)
testing(x, ...)
# S3 method for default
testing(x, ...)
# S3 method for rsplit
testing(x, ...)
group_initial_split(data, group, prop = 3/4, ..., strata = NULL, pool = 0.1)
参数
- data
-
一个 DataFrame 。
- prop
-
为建模/分析而保留的数据比例。
- strata
-
data
中的变量(单个字符或名称)用于进行分层抽样。如果不是NULL
,则每次重新采样都会在分层变量中创建。数字strata
被分为四分位数。 - breaks
-
给出对数值分层变量进行分层所需的箱数的单个数字。
- pool
-
用于确定特定组是否太小的数据比例,是否应合并到另一个组中。我们不建议将此参数降低到默认值 0.1 以下,因为分层组太小存在危险。
- ...
-
这些点用于将来的扩展,并且必须为空。
- lag
-
包含评估和分析集之间的滞后的值。如果在训练和测试期间使用滞后预测变量,这非常有用。
- x
-
由
initial_split()
或initial_time_split()
生成的rsplit
对象。 - group
-
data
中的变量(单个字符或名称),用于将具有相同值的观察结果分组到折叠内的分析或评估集。
细节
使用 strata
参数,在分层变量内进行随机抽样。这有助于确保重采样与原始数据集具有相同的比例。对于分类变量,采样是在每个类别内单独进行的。对于数字分层变量,strata
被分为四分位数,然后用于分层。低于总数10%的地层合并在一起;有关更多详细信息,请参阅make_strata()
。
例子
set.seed(1353)
car_split <- initial_split(mtcars)
train_data <- training(car_split)
test_data <- testing(car_split)
data(drinks, package = "modeldata")
drinks_split <- initial_time_split(drinks)
train_data <- training(drinks_split)
test_data <- testing(drinks_split)
c(max(train_data$date), min(test_data$date)) # no lag
#> [1] "2011-03-01" "2011-04-01"
# With 12 period lag
drinks_lag_split <- initial_time_split(drinks, lag = 12)
train_data <- training(drinks_lag_split)
test_data <- testing(drinks_lag_split)
c(max(train_data$date), min(test_data$date)) # 12 period lag
#> [1] "2011-03-01" "2010-04-01"
set.seed(1353)
car_split <- group_initial_split(mtcars, cyl)
train_data <- training(car_split)
test_data <- testing(car_split)
相关用法
- R rsample initial_validation_split 创建初始训练/验证/测试拆分
- R rsample int_pctl 自举置信区间
- R rsample validation_set 创建验证拆分以进行调整
- R rsample populate 添加评估指标
- R rsample vfold_cv V 折交叉验证
- R rsample rset_reconstruct 使用新的 rset 子类扩展 rsample
- R rsample group_mc_cv 小组蒙特卡罗交叉验证
- R rsample group_vfold_cv V 组交叉验证
- R rsample rolling_origin 滚动原点预测重采样
- R rsample reverse_splits 反转分析和评估集
- R rsample group_bootstraps 团体自举
- R rsample labels.rset 从 rset 对象中查找标签
- R rsample get_fingerprint 获取重采样的标识符
- R rsample bootstraps 引导抽样
- R rsample validation_split 创建验证集
- R rsample reg_intervals 具有线性参数模型的置信区间的便捷函数
- R rsample clustering_cv 集群交叉验证
- R rsample get_rsplit 从 rset 中检索单个 rsplit 对象
- R rsample loo_cv 留一交叉验证
- R rsample complement 确定评估样本
- R rsample slide-resampling 基于时间的重采样
- R rsample as.data.frame.rsplit 将 rsplit 对象转换为 DataFrame
- R rsample labels.rsplit 从 rsplit 对象中查找标签
- R rsample mc_cv 蒙特卡罗交叉验证
- R rsample tidy.rsplit 整洁的重采样对象
注:本文由纯净天空筛选整理自Hannah Frick等大神的英文原创作品 Simple Training/Test Set Splitting。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。