此函数已弃用,因为它是通过执行一系列两个二进制分割来构建训练、验证和测试集的方法的一部分:测试/not-testing(使用initial_split()
或其变体之一),然后not-testing使用 validation_split()
分为训练/验证。相反,现在使用 initial_validation_split()
或其变体通过一个 3 路拆分构建三个集合。
validation_split()
采用原始数据集的单个随机样本(无替换)用于分析。所有其他数据点都添加到评估集(用作验证集)。 validation_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_validation_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。
请注意,输入 data
至 validation_split()
、 validation_time_split()
和 group_validation_split()
不应包含测试数据。要直接创建整个数据集的 three-way 分割,请使用 initial_validation_split()
。
用法
validation_split(data, prop = 3/4, strata = NULL, breaks = 4, pool = 0.1, ...)
validation_time_split(data, prop = 3/4, lag = 0, ...)
group_validation_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。
- 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。
值
带有类 validation_split
、 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
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
cars_split <- initial_split(mtcars)
cars_not_testing <- training(cars_split)
validation_split(cars_not_testing, prop = .9)
#> Warning: `validation_split()` was deprecated in rsample 1.2.0.
#> ℹ Please use `initial_validation_split()` instead.
#> # Validation Set Split (0.9/0.1)
#> # A tibble: 1 × 2
#> splits id
#> <list> <chr>
#> 1 <split [21/3]> validation
group_validation_split(cars_not_testing, cyl)
#> Warning: `group_validation_split()` was deprecated in rsample 1.2.0.
#> ℹ Please use `group_initial_validation_split()` instead.
#> # Group Validation Set Split (0.75/0.25)
#> # A tibble: 1 × 2
#> splits id
#> <list> <chr>
#> 1 <split [15/9]> validation
data(drinks, package = "modeldata")
validation_time_split(drinks[1:200,])
#> Warning: `validation_time_split()` was deprecated in rsample 1.2.0.
#> ℹ Please use `initial_validation_time_split()` instead.
#> # Validation Set Split (0.75/0.25)
#> # A tibble: 1 × 2
#> splits id
#> <list> <chr>
#> 1 <split [150/50]> validation
# Alternative
cars_split_3 <- initial_validation_split(mtcars)
validation_set(cars_split_3)
#> # A tibble: 1 × 2
#> splits id
#> <list> <chr>
#> 1 <split [19/6]> validation
相关用法
- R rsample validation_set 创建验证拆分以进行调整
- R rsample vfold_cv V 折交叉验证
- 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 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 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
- 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 a Validation Set。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。