代码之家 › 专栏 › 技术社区 › Andres

基于两个变量创建分区

r-caret r

Andres · 技术社区 · 8 年前

我有一个包含两个结果变量的数据集,案例1和案例2。案例1有4个级别,而案例2有50个级别(案例2中的级别稍后可能会增加)。我想为train创建数据分区,并在这两种情况下保持比率。案例1和案例2的实际数据都不平衡。例如,

library(caret)

set.seed(123)
matris=matrix(rnorm(10),1000,20)
case1 <- as.factor(ceiling(runif(1000, 0, 4)))
case2 <- as.factor(ceiling(runif(1000, 0, 50)))

df <- as.data.frame(matris)
df$case1 <- case1
df$case2 <- case2

split1 <- createDataPartition(df$case1, p=0.2)[[1]]
train1 <- df[-split1,]
test1 <- df[split1,]
length(split1)
201

split2 <- createDataPartition(df$case2, p=0.2)[[1]]
train2 <- df[-split2,]
test2 <- df[split2,]
length(split2)
220

如果进行单独拆分,则数据帧的长度会不同。如果我基于案例2进行一次拆分(一次包含多个类),我将失去案例1的类比率。

我将分别预测这两种情况,但在最后,我的准确度将通过两种情况的精确匹配得到(例如,ix=which(pred1==case1&pred2==case2),因此我需要数组的大小相同。

有什么聪明的方法可以做到这一点吗?

非常感谢。

1 回复 | 直到 8 年前

missuse 8 年前

如果我理解正确(我不保证),我可以提供以下方法:

按案例1和案例2分组并获得组索引

library(tidyverse)

df %>%
  select(case1, case2) %>%
  group_by(case1, case2) %>%
  group_indices() -> indeces

将这些索引用作创建数据分区中的结果变量:

split1 <- createDataPartition(as.factor(indeces), p=0.2)[[1]]

检查是否符合要求:

table(df[split1,22])
#output
 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 
 5  6  5  8  5  5  6  6  4  6  6  6  6  6  5  5  5  4  4  7  5  6  5  6  7  5  5  8  6  7  6  6  7 
34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 
 4  5  6  6  6  5  5  6  5  6  6  5  4  5  6  4  6

table(df[-split1,22])
#output
 1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 
15 19 13 18 12 13 16 15  8 13 13 15 21 14 11 13 12  9 12 20 17 15 16 19 16 11 14 21 13 20 18 13 16 
34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 
 9  6 12 19 14 10 16 19 17 17 16 14  4 15 14  9 19 

table(df[split1,21])
#output
 1  2  3  4 
71 70 71 67 

table(df[-split1,21])
  1   2   3   4 
176 193 174 178

推荐文章

Chris · ROC公制in train(),插入符号包

8 年前

Marco · 调谐器插入符号长度

8 年前

B. Sharp · 插入符号使用插入符号序列对象返回的预测与使用提取的最终模型返回的预测不同

8 年前