用重复措施训练/测试分裂

Question

我想在这个数据上尝试一个随机的森林，其中y =在x = ate之后开心。其中一些人很幸运，有两顿免费餐，而有些人只有一餐。我可以使用rsample来确保在列车和测试拆分中都不会出现相同的ID（在这种情况下为5）吗？如果没有，我该怎么办？

library(tibble)
library(rsample)

set.seed(123)
dframe <- tibble(id = c(1,1,2,2,3,4,5,5,6,7), 
                 ate = sample(c("cookie", "slug"), size = 10, replace = TRUE),
                 happy = sample(c("yes", "no"), size = 10, replace = TRUE))


dframe_split <- initial_split(dframe, strata = "happy")
dframe_train <- training(dframe_split)
dframe_test <- testing(dframe_split)

由reprex包（v0.2.0）创建于2018-10-11。

Answer 1

从rsample 0.0.2开始，使用这个库执行分割的唯一记录方式似乎是group_vfold_cv函数，例如：

resamples <- group_vfold_cv(dframe, group='id', v=3)
lapply(resamples$splits, training)
lapply(resamples$splits, testing)