分割對象的構造函數
用法
make_splits(x, ...)
# S3 method for default
make_splits(x, ...)
# S3 method for list
make_splits(x, data, class = NULL, ...)
# S3 method for data.frame
make_splits(x, assessment, ...)
參數
- x
-
名稱為 "analysis" 和 "assessment" 的整數列表,或者分析或訓練數據的 DataFrame 。
- ...
-
目前未使用。
- data
-
一個 DataFrame 。
- class
-
提供對象的可選類。
- assessment
-
評估或測試數據的 DataFrame ,可以為空。
例子
df <- data.frame(
year = 1900:1999,
value = 10 + 8*1900:1999 + runif(100L, 0, 100)
)
split_from_indices <- make_splits(
x = list(analysis = which(df$year <= 1980),
assessment = which(df$year > 1980)),
data = df
)
split_from_data_frame <- make_splits(
x = df[df$year <= 1980,],
assessment = df[df$year > 1980,]
)
identical(split_from_indices, split_from_data_frame)
#> [1] TRUE
相關用法
- R rsample make_strata 創建或修改分層變量
- R rsample manual_rset 手動重采樣
- R rsample mc_cv 蒙特卡羅交叉驗證
- R rsample validation_set 創建驗證拆分以進行調整
- R rsample initial_split 簡單的訓練/測試集分割
- R rsample populate 添加評估指標
- R rsample int_pctl 自舉置信區間
- R rsample vfold_cv V 折交叉驗證
- R rsample rset_reconstruct 使用新的 rset 子類擴展 rsample
- R rsample group_mc_cv 小組蒙特卡羅交叉驗證
- R rsample group_vfold_cv V 組交叉驗證
- R rsample rolling_origin 滾動原點預測重采樣
- R rsample reverse_splits 反轉分析和評估集
- R rsample group_bootstraps 團體自舉
- R rsample labels.rset 從 rset 對象中查找標簽
- R rsample get_fingerprint 獲取重采樣的標識符
- R rsample bootstraps 引導抽樣
- R rsample validation_split 創建驗證集
- R rsample reg_intervals 具有線性參數模型的置信區間的便捷函數
- R rsample clustering_cv 集群交叉驗證
- R rsample initial_validation_split 創建初始訓練/驗證/測試拆分
- R rsample get_rsplit 從 rset 中檢索單個 rsplit 對象
- R rsample loo_cv 留一交叉驗證
- R rsample complement 確定評估樣本
- R rsample slide-resampling 基於時間的重采樣
注:本文由純淨天空篩選整理自Hannah Frick等大神的英文原創作品 Constructors for split objects。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。