R rsample tidy.rsplit 整潔的重采樣對象

tidy函數從掃帚包可用於rset和rsplit用於生成 tibbles 的對象，其中的行位於分析和評估集中。

用法

# S3 method for rsplit
tidy(x, unique_ind = TRUE, ...)

# S3 method for rset
tidy(x, unique_ind = TRUE, ...)

# S3 method for vfold_cv
tidy(x, ...)

# S3 method for nested_cv
tidy(x, unique_ind = TRUE, ...)

參數

x: rset 或 rsplit 對象
unique_ind: 是否應該返回唯一的行標識符？例如，如果FALSE，則引導結果將包括原始數據中同一行的樣本中的多行。
...: 這些點用於將來的擴展，並且必須為空。

值

包含 Row 和 Data 列的小標題。後者的可能值是"Analysis" 或"Assessment"。對於 rset 輸入，還會返回標識列，但它們的名稱和值取決於重采樣的類型。 vfold_cv 包含一列 "Fold"，如果使用重複，則另一列稱為 "Repeats"。 bootstraps 和mc_cv 使用列"Resample"。

細節

請注意，對於嵌套重采樣，名為 inner_Row 的內部重采樣的行是相對行索引，並且與原始數據集中的行不對應。

例子

library(ggplot2)
theme_set(theme_bw())

set.seed(4121)
cv <- tidy(vfold_cv(mtcars, v = 5))
ggplot(cv, aes(x = Fold, y = Row, fill = Data)) +
  geom_tile() +
  scale_fill_brewer()


set.seed(4121)
rcv <- tidy(vfold_cv(mtcars, v = 5, repeats = 2))
ggplot(rcv, aes(x = Fold, y = Row, fill = Data)) +
  geom_tile() +
  facet_wrap(~Repeat) +
  scale_fill_brewer()


set.seed(4121)
mccv <- tidy(mc_cv(mtcars, times = 5))
ggplot(mccv, aes(x = Resample, y = Row, fill = Data)) +
  geom_tile() +
  scale_fill_brewer()


set.seed(4121)
bt <- tidy(bootstraps(mtcars, time = 5))
ggplot(bt, aes(x = Resample, y = Row, fill = Data)) +
  geom_tile() +
  scale_fill_brewer()


dat <- data.frame(day = 1:30)
# Resample by week instead of day
ts_cv <- rolling_origin(dat,
  initial = 7, assess = 7,
  skip = 6, cumulative = FALSE
)
ts_cv <- tidy(ts_cv)
ggplot(ts_cv, aes(x = Resample, y = factor(Row), fill = Data)) +
  geom_tile() +
  scale_fill_brewer()

源代碼：R/tidy.R

相關用法

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 Tidy Resampling Object。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。