initial_validation_split()
创建随机的 three-way 将数据分为训练集、验证集和测试集。 initial_validation_time_split()
执行相同的操作,但训练、验证和测试集不是随机选择,而是按完整数据集的顺序排列,第一个观察结果被放入训练集中。 group_initial_validation_split()
基于某些分组变量创建类似的数据随机分割,以便 "group" 中的所有数据都分配到同一分区。 training()
、 validation()
和 testing()
可用于提取结果数据集。使用 validation_set()
创建 rset
对象,以便与调整包中的函数(例如 tune::tune_grid()
)一起使用。
用法
initial_validation_split(
data,
prop = c(0.6, 0.2),
strata = NULL,
breaks = 4,
pool = 0.1,
...
)
initial_validation_time_split(data, prop = c(0.6, 0.2), ...)
group_initial_validation_split(
data,
group,
prop = c(0.6, 0.2),
...,
strata = NULL,
pool = 0.1
)
# S3 method for initial_validation_split
training(x, ...)
# S3 method for initial_validation_split
testing(x, ...)
validation(x, ...)
# S3 method for default
validation(x, ...)
# S3 method for initial_validation_split
validation(x, ...)
参数
- data
-
一个 DataFrame 。
- prop
-
分别为训练数据和验证数据保留的数据比例的长度为 2 的向量。
- 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。
- 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。 - x
-
类
initial_validation_split
的对象。
值
一个 initial_validation_split
对象,可与 training()
、 validation()
和 testing()
函数一起使用以提取每个拆分中的数据。
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_validation_split(mtcars)
train_data <- training(car_split)
validation_data <- validation(car_split)
test_data <- testing(car_split)
data(drinks, package = "modeldata")
drinks_split <- initial_validation_time_split(drinks)
train_data <- training(drinks_split)
validation_data <- validation(drinks_split)
c(max(train_data$date), min(validation_data$date))
#> [1] "2007-05-01" "2007-06-01"
data(ames, package = "modeldata")
set.seed(1353)
ames_split <- group_initial_validation_split(ames, group = Neighborhood)
train_data <- training(ames_split)
validation_data <- validation(ames_split)
test_data <- testing(ames_split)
相关用法
- R rsample initial_split 简单的训练/测试集分割
- 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 Create an Initial Train/Validation/Test Split。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。