如何创建嵌套的训练集和测试集？

Question

我正在使用R中的ChickWeight数据集进行工作。 我想为每只小鸡创建多个模型，每个模型都是针对单个小鸡进行训练的。因此，我正在将数据嵌套以便为每个小鸡创建一个数据框，并将其存储在列表列中。

以下是开始：

library(tidyverse)
library(datasets)
data("ChickWeight")

ChickWeightNest <- ChickWeight %>% 
  group_by(Chick) %>% 
  nest()

从这里开始，同时在所有数据帧上训练线性回归模型非常容易，只需构建该模型作为函数，然后变异一个新列并映射即可。但是，构建更复杂的模型（例如xgboost）需要首先将数据分成测试集和训练集。我该如何一次将所有嵌套的数据框拆分为训练集和测试集，以便可以同时训练多个模型？

顺便说一下，我在研究中发现训练/调整多个模型的信息似乎相对稀少，非常感谢任何相关资源或过去的堆栈问题。

- 887

---

请查看此Tidymodels嵌套重采样教程。 - Desmond

Answer 1

也许您想要像这样的东西，首先在新列中随机抽样每只小鸡的训练或测试数据，以便稍后使用，并再次分组以将数据嵌套到每个组中：

library(dplyr)
library(tidyr)
library(datasets)
data("ChickWeight")

ChickWeight %>% 
  group_by(Chick) %>% 
  rowwise() %>%
  mutate(split = sample(c("train", "test"), n(), replace = FALSE)) %>%
  group_by(Chick) %>%
  nest() 
#> # A tibble: 50 × 2
#> # Groups:   Chick [50]
#>    Chick data             
#>    <ord> <list>           
#>  1 1     <tibble [12 × 4]>
#>  2 2     <tibble [12 × 4]>
#>  3 3     <tibble [12 × 4]>
#>  4 4     <tibble [12 × 4]>
#>  5 5     <tibble [12 × 4]>
#>  6 6     <tibble [12 × 4]>
#>  7 7     <tibble [12 × 4]>
#>  8 8     <tibble [11 × 4]>
#>  9 9     <tibble [12 × 4]>
#> 10 10    <tibble [12 × 4]>
#> # … with 40 more rows

^{本文由reprex软件包 (v2.0.1)于2022年06月29日创建}

- Quinten

Answer 2

关键在于意识到嵌套数据的每一行都是一个列表，因此您必须对其使用列表函数，例如来自基本R的lapply或来自purrr的map。

以下是使用rsample包进行拆分（75％用于训练）的示例。

ChickWeightNest_example<- ChickWeightNest %>%
  mutate(data_split = purrr::map(data,
                       ~rsample::initial_split(.x, prop = .75))) %>%
  mutate(data_training_only= purrr::map(data_split,
                             ~rsample::training(.x)),
         data_testing_only= purrr::map(data_split, 
                             ~rsample::testing(.x))
  )

- Roger-123