用于在看不见的数据上测试模型的包

获得数据后,创建一个训练索引。 然后通过再次对数据子集,但减去列车索引来创建测试集。

data <- data.frame(x=runif(10000), y=runif(10000))

train_index <- 1:(NROW(data)*0.666)

train_set <- data[train_index, ]

test_set <- data[-train_index, ]

此外 caret 包装很受欢迎,有一个 train

如果使用时间序列,则 forecast CVar tsCV ,虽然他们不会按您要求的方式分割数据,但他们会滚动训练您的数据,这与某些时间序列模型更相关。

祝你好运

有几个软件包可以帮助实现这一点。这个 caTools sample.split 专门用于将数据集拆分为测试集和训练集。

sample.split documentation

将数据集中的一列作为第一个参数(通常是响应变量)传递,并在该变量中的值之间按比例分割数据集。如果你有一个可能只有5%的时间出现某个值的响应变量,这很有帮助,你希望你的训练集和测试集在每个值中都有类似的表示。它可以像这样使用:

split = sample.split(wikiWords$Vandal, SplitRatio = 2/3)
wikitrain = subset(wikiWords, split == TRUE)
wikitest = subset(wikiWords, split == FALSE)