使用机器学习算法时，通常需要把数据分为训练集和测试集，本文介绍R语言的三种实现方法，并通过示例进行学习。
使用R内置方法
依据sample函数生成指定概率的true和false的向量，然后利用该向量过滤数据集得到训练集和测试集，语法如下：
# 设置随机种子，使得示例可以重复
set.seed(1)
# df是要分割的数据集
# 使用 70% 数据集作为训练集，30% 作为测试集
sample
下面示例把iris数据分为训练集和测试集：
# 设置随机种子，使得示例可以重复
set.seed(1)
data(iris)
# 使用 70% 数据集作为训练集，30% 作为测试集
sample
从输出可以看到，总共150条记录，训练集大概包括 106 / 150 = 70.6% 。
使用caTools包
使用caTools包提供了sample.split函数，可以轻松进行数据分离。
subset函数返回满足条件的向量、矩阵或数据帧的子集， subset(x, subset, ...) 其中subset参数指定过滤条件：
library(caTools)
# 设置随机种子，使得示例可以重复
set.seed(1)
# df是要分割的数据集
# 使用 70% 数据集作为训练集，30% 作为测试集
sample
我们用这种方法对iris数据集进行划分：
# 设置随机种子，使得示例可以重复
data(iris)
set.seed(2)
# df是要分割的数据集
# 使用 70% 数据集作为训练集，30% 作为测试集
sample
运行结果与上面示例差不多，需要说明的是sample.split函数，其语法如下： sample.split( Y, SplitRatio = 2/3, group = NULL )
其中Y为x向量类型，因此需要随意指定数据集的一列生成向量，SplitRatio有默认值。
使用dplyr包
下面我们来看看如何使用dplyr包实现同样功能。
library(dplyr)
# 设置随机种子，使得示例可以重复
set.seed(1)
df % dplyr::slice_sample(prop = 0.70)
# 反向连接生成测试机
test
生成结果与上面一致，我们说明下 slice_sample()函数，用于随机选择行，语法如下：
slice_sample(.data, ..., n, prop, weight_by = NULL, replace = FALSE)
- prop 用于指定概率
- n 指定数量
- replace 是否放回抽样，默认不放回
Original: https://blog.csdn.net/neweastsun/article/details/124552664
Author: 梦想画家
Title: 如何划分机器学习的训练集和测试集
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/170561/
转载文章受原作者版权保护。转载请注明原作者出处！
