排列样本的大小与原始数据集相同,并且是通过排列/混洗一列或多列而形成的。这会导致分析样本中某些列按其原始顺序排列,而某些列则排列为随机顺序。与 rsample
中的其他采样函数不同,它没有评估集,并且在排列分割上调用 assessment()
将引发错误。
值
具有类 permutations
、 rset
、 tbl_df
、 tbl
和 data.frame
的 tibble
。结果包括数据分割对象的列和名为 id
的列,其中包含带有重采样标识符的字符串。
细节
参数 apparent
启用附加 "resample" 的选项,其中分析数据集与原始数据集相同。基于排列的重采样对于计算原假设下的统计数据特别有用(例如t-statistic)。这构成了排列测试的基础,排列测试计算数据所有可能排列下的测试统计量。
例子
permutations(mtcars, mpg, times = 2)
#> # Permutation sampling
#> # Permuted columns: [mpg]
#> # A tibble: 2 × 2
#> splits id
#> <list> <chr>
#> 1 <split [32/0]> Permutations1
#> 2 <split [32/0]> Permutations2
permutations(mtcars, mpg, times = 2, apparent = TRUE)
#> # Permutation sampling with apparent sample
#> # Permuted columns: [mpg]
#> # A tibble: 3 × 2
#> splits id
#> <list> <chr>
#> 1 <split [32/0]> Permutations1
#> 2 <split [32/0]> Permutations2
#> 3 <split [32/32]> Apparent
library(purrr)
resample1 <- permutations(mtcars, starts_with("c"), times = 1)
resample1$splits[[1]] %>% analysis()
#> mpg cyl disp hp drat wt qsec vs am gear carb
#> Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 1
#> Mazda RX4 Wag 21.0 4 160.0 110 3.90 2.875 17.02 0 1 4 2
#> Datsun 710 22.8 8 108.0 93 3.85 2.320 18.61 1 1 4 4
#> Hornet 4 Drive 21.4 8 258.0 110 3.08 3.215 19.44 1 0 3 4
#> Hornet Sportabout 18.7 4 360.0 175 3.15 3.440 17.02 0 0 3 1
#> Valiant 18.1 8 225.0 105 2.76 3.460 20.22 1 0 3 4
#> Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 2
#> Merc 240D 24.4 8 146.7 62 3.69 3.190 20.00 1 0 4 3
#> Merc 230 22.8 8 140.8 95 3.92 3.150 22.90 1 0 4 4
#> Merc 280 19.2 8 167.6 123 3.92 3.440 18.30 1 0 4 2
#> Merc 280C 17.8 8 167.6 123 3.92 3.440 18.90 1 0 4 2
#> Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 4
#> Merc 450SL 17.3 6 275.8 180 3.07 3.730 17.60 0 0 3 4
#> Merc 450SLC 15.2 6 275.8 180 3.07 3.780 18.00 0 0 3 4
#> Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 8
#> Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 2
#> Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 3
#> Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 2
#> Honda Civic 30.4 6 75.7 52 4.93 1.615 18.52 1 1 4 1
#> Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 2
#> Toyota Corona 21.5 6 120.1 97 3.70 2.465 20.01 1 0 3 4
#> Dodge Challenger 15.5 4 318.0 150 2.76 3.520 16.87 0 0 3 1
#> AMC Javelin 15.2 4 304.0 150 3.15 3.435 17.30 0 0 3 2
#> Camaro Z28 13.3 4 350.0 245 3.73 3.840 15.41 0 0 3 2
#> Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 3
#> Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
#> Porsche 914-2 26.0 6 120.3 91 4.43 2.140 16.70 0 1 5 4
#> Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 1
#> Ford Pantera L 15.8 4 351.0 264 4.22 3.170 14.50 0 1 5 1
#> Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
#> Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 4
#> Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
resample2 <- permutations(mtcars, hp, times = 10, apparent = TRUE)
map_dbl(resample2$splits, function(x) {
t.test(hp ~ vs, data = analysis(x))$statistic
})
#> [1] 1.831884490 0.360219662 -1.271345514 -1.086517310 0.884050160
#> [6] 1.130681222 0.369342268 -2.595445455 0.007920257 0.562836352
#> [11] 6.290837794
相关用法
- R rsample populate 添加评估指标
- 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 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
- 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
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 Permutation sampling。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。