将数据集分成60%、20%、20%

Question

我正在尝试将 2 组数据移动到 3 组数据，如上述问题中所述。以下是我使用的脚本：

set.seed(125)
d <- sample(x = nrow(db), size = nrow(db) * 0.60, )
train60 <-db[d, ]
valid40 <-db[-d, ]

有没有办法修改上面的脚本？我试图创建另一行：

valid40 <- db[-d] * 0.2 没有用。

当前数据集有几个因子变量。

我曾尝试在 cut 函数上使用 Frank's solution here，但不知何故我设法获得

Error in cut.default(seq(nrow(df)), nrow(df) * cumsum(c(0, spec)), labels = names(spec)) : lengths of 'breaks' and 'labels' differ

即使在网上搜索帮助后我也不明白。

Answer 1

如果我没理解错的话，那么您想要 60%、20% 和 20% 的样本分叉而不重复。我以 iris 数据为例，它包含 150 行和 5 列。

samp <- sample(1:nrow(iris),.6*nrow(iris)) ##60 and 40 bifurcation

train60 <- iris[samp,] ## This is the 60% chunk
remain40 <- iris[-samp,]  ## This is used for further bifurcation

samp2 <- sample(1:nrow(remain40),.5*nrow(remain40))

first20 <- remain40[samp2,] ## First chunk of 20%
secnd20 <- remain40[-samp2,] ## Second Chunk of 20%

Reduce("intersect",list(train60,first20,secnd20)) ##Check to find if there is any intersect , 0 rows means everything is fine and sample are not repetitive.

Answer 2

db <- data.frame(x=1:10, y=11:20)

set.seed(125)
d <- sample(x=nrow(db),size=nrow(db)*0.60,)

train60 <-db[d,]

valid40 <-db[-d,]

现在在每个新数据帧中取一半的 valid40：

e <- sample(x=nrow(valid40),size=nrow(valid40)*0.50,)

train20 <-valid40[e,]
valid20 <- valid40[-e,]

将数据集分成60%、20%、20%

Divide data set into 60%, 20%, 20%

validation

split

r

dataset

training-data