如何使用具有多个概率的“PimaIndiansDiabetes”的IFELSE将数据分成训练/测试集？

Question

我有这个R最小的工作环境，使用PimaIndianDiabetes来使用。

  #load required library
  library(mlbench)
  #load Pima Indian Diabetes dataset
  data(PimaIndiansDiabetes)
  #set seed to ensure reproducible results
  set.seed(42)
  #split into training and test sets
  PimaIndiansDiabetes[,train] <- ifelse(runif(nrow(PimaIndiansDiabetes))
  <0.8,1,0)
  #separate training and test sets
  trainset <- PimaIndiansDiabetes[PimaIndiansDiabetes$train==1,]
  testset <- PimaIndiansDiabetes[PimaIndiansDiabetes$train==0,]
  #get column index of train flag
  trainColNum <- grep(“train”,names(trainset))
  #remove train flag column from train and test sets
  trainset <- trainset[,-trainColNum]
  testset <- testset[,-trainColNum]
  #get column index of predicted variable in dataset
  typeColNum <- grep(“diabetes”,names(PimaIndiansDiabetes))

我当前的问题是使用IFELSE函数将数据拆分为训练和测试集，并使用R代码中指定的概率。

Answer 1

有一个错误

PimaIndiansDiabetes[,train] <- ifelse(runif(nrow(PimaIndiansDiabetes))
                                  <0.8,1,0)

ifelse正常工作：

ifelse(runif(nrow(PimaIndiansDiabetes))
                                      <0.8,1,0)

但你必须使用一个字符串来分配一个新列（'火车'而不是火车）

PimaIndiansDiabetes[,'train'] <- ifelse(runif(nrow(PimaIndiansDiabetes))
                                      <0.8,1,0)

接下来没有用的是选择'trainColNum'你可以这样做

trainColNum <- which(colnames(PimaIndiansDiabetes) == 'train')

或者您使用dplyr包来删除列

library(dplyr)
trainset <- trainset %>% select(-train)
testset <- testset %>% select(-train)

同样适用于糖尿病专栏

typeColNum <- which(colnames(PimaIndiansDiabetes) == 'diabetes')