manual_rset()
用于构造尽可能最小的 rset。当您拥有从 make_splits()
构建的自定义 rsplit 对象时,或者当您想要从现有 rset 中包含的拆分创建新的 rset 时,它会很有用。
参数
- splits
-
"rsplit"
对象的列表。使用make_splits()
创建它们是最简单的。 - ids
-
id 的字符向量。
ids
的长度必须与splits
的长度相同。
例子
df <- data.frame(x = c(1, 2, 3, 4, 5, 6))
# Create an rset from custom indices
indices <- list(
list(analysis = c(1L, 2L), assessment = 3L),
list(analysis = c(4L, 5L), assessment = 6L)
)
splits <- lapply(indices, make_splits, data = df)
manual_rset(splits, c("Split 1", "Split 2"))
#> # Manual resampling
#> # A tibble: 2 × 2
#> splits id
#> <list> <chr>
#> 1 <split [2/1]> Split 1
#> 2 <split [2/1]> Split 2
# You can also use this to create an rset from a subset of an
# existing rset
resamples <- vfold_cv(mtcars)
best_split <- resamples[5, ]
manual_rset(best_split$splits, best_split$id)
#> # Manual resampling
#> # A tibble: 1 × 2
#> splits id
#> <list> <chr>
#> 1 <split [29/3]> Fold05
相关用法
- R rsample make_splits 分割对象的构造函数
- R rsample make_strata 创建或修改分层变量
- R rsample mc_cv 蒙特卡罗交叉验证
- R rsample validation_set 创建验证拆分以进行调整
- R rsample initial_split 简单的训练/测试集分割
- R rsample populate 添加评估指标
- R rsample int_pctl 自举置信区间
- 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 initial_validation_split 创建初始训练/验证/测试拆分
- 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
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 Manual resampling。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。