将数据集分成60％，20％，20％。

Question

我正在尝试按照以上问题所述，从2组数据转移到3组数据。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？我尝试创建了另一行：valid40 <- db[-d] * 0.2，但是没有起作用。

当前数据集有几个因素变量。

我尝试在cut函数上使用Frank的解决方案，但是我总是得到以下错误：

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

即使在网上寻求帮助后，我仍然不理解这个错误。

- user149635

---

样本50％的valid40是多少？.. 取样(valid40，nrow(valid40)/2)。 - r.user.05apr

也许还可以参考 modelr::crossv_mc。 - Axeman

Answer 1

如果我理解你的意思正确，那么你想要对样本进行60％、20％和20％的无重复分叉。我以鸢尾花数据为例，其中包含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.

- PKumar

---

@halfer：关于在问题中添加“紧急”的道歉。 - user149635

嗨Jeppe和Pkr：非常感谢您回答我的“求救”电话，并提供了详细的解释，对于新手来说非常有帮助。这两个脚本都运行得非常好！我想投票支持你们的回答，但不确定系统是否允许。 - user149635

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，在每个新数据框中只取valid40的一半：

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

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

- Jeppe Olsen