插入符号：为测试/训练/验证创建多个不同大小的分区

Question

我正在尝试获取一个数据集并将其分成 3 部分：训练：60%，测试：20%，验证：20%。

part1 <- createDataPartition(fullDataSet$classe, p=0.8, list=FALSE)
validation <- fullDataSet[-part1,]
workingSet <- fullDataSet[part1,]

当我再次做同样的事情来分区时：

inTrain <- createDataPartition(workingSet$classe, p=.75, list=FALSE)

我得到错误：

Error in sort.list(y) : 'x' must be atomic for 'sort.list'
Have you called 'sort' on a list?

有没有办法a）创建3个不同大小的分区或b）像我尝试做的那样做一个嵌套分区？我考虑过 c) 使用 sample() 代替，但它是针对讲师仅使用 createDataPartition 的课程，我们必须展示我们的代码。有人在这里有什么建议吗？

Answer 1

其实我也有同样的疑惑，我想出了一个不太优雅的解决方案，但这似乎可行。

因此，就我而言，我想创建一个包含 60% 数据的训练数据集以及各 20% 的测试和验证数据集。 这是我的做法：

set.seed(1234)
inTraining <- createDataPartition(mydata$FLAG, p=0.6, list=FALSE)
training.set <- mydata[inTraining,]
Totalvalidation.set <- mydata[-inTraining,]
# This will create another partition of the 40% of the data, so 20%-testing and 20%-validation
inValidation <- createDataPartition(Totalvalidation.set$FLAG, p=0.5, list=FALSE)
testing.set <- Totalvalidation.set[inValidation,]
validation.set <- Totalvalidation.set[-inValidation,]

看起来它为我提供了正确的数据集，并将在今天对其进行测试。 希望它对您有用，如果其他人有更优雅的答案，请分享！ :)

Answer 2

  #METHOD 1 : EQUAL SPLITS
  # allind <- sample(1:nrow(m.d),nrow(m.d))
  # #split in three parts 
  # trainind <- allind[1:round(length(allind)/3)]
  # valind <- allind[(round(length(allind)/3)+1):round(length(allind)*(2/3))]
  # testind <- allind[round(length(allind)*(2/3)+1):length(allind)]

  set.seed(1234)

 #METHOD 2 : 60-30-20 SPLIT
 allind <- sample(1:nrow(m.d),nrow(m.d))
 trainind <- allind[1:round(length(allind)*0.6)]
 valind <- allind[(round(length(allind)*0.6)+1):((round(length(allind)*0.6)+1)+    
 (round(length(allind)*0.3)))]
 testind <- allind[((round(length(allind)*0.6)+1)+
 (round(length(allind)*0.3))+1):length(allind)]
 m.dTRAIN <- m.d[trainind,]
 m.dVAL   <- m.d[valind,]
 m.dTEST  <- m.d[testind,]