使用分层抽样为决策树学习拆分数据框答案

【问题标题】：Splitting up a data frame for decision tree learning using stratified sampling使用分层抽样为决策树学习拆分数据框
【发布时间】：2020-07-01 14:45:30
【问题描述】：

我想使用分层抽样创建训练和测试样本集。我试着环顾四周，但我发现的所有包都返回一个数据框而不是一个表达式。我用来构建树的树包需要将子集作为表达式给出。

示例代码：

library(tree)
library(ISLR)
library(dplyr)

Carseats <- Carseats %>% mutate(High = factor(ifelse(Sales <= 8, "No", "Yes")))

set.seed(2)
train_sample <- sample(nrow(Carseats), nrow(Carseats) * 0.7)
carseats_test <- Carseats[-train_sample,]

tree.carseats <- tree(High~ . -Sales, Carseats, subset = train_sample)

是否可以修改上述代码，以便使用分层进行抽样？

【问题讨论】：

标签： r dplyr decision-tree

【解决方案1】：

你可以这样做：

library(tree)
library(ISLR)
library(dplyr)

Carseats <- Carseats %>% mutate(High = factor(ifelse(Sales <= 8, "No", "Yes")))

mean(Carseats$High == "Yes")
[1] 0.41

train_sample <- Carseats %>%
tibble::rownames_to_column() %>% 
group_by(High) %>%
sample_n(0.7*n()) %>%
mutate(rowname = as.numeric(rowname)) %>%
pull(rowname) 

carseats_test <- Carseats[-train_sample,]
mean(carseats_test$High == "Yes")
[1] 0.4132231

tree.carseats <- tree(High~ . -Sales, Carseats, subset = train_sample)

【讨论】：

正如我试图描述的那样，tree() 函数不接受数据框作为输入。这对我来说似乎是一个数据框。
当然。只需添加一个行名即可。