包含训练集和测试集对象的 R 列表答案

【问题标题】：R list containing training set and test set objects包含训练集和测试集对象的 R 列表
【发布时间】：2020-12-10 21:14:45
【问题描述】：

我正在尝试创建 10 折数据。我想要的是一个长度为 10（折叠数）的数据结构，并且该数据结构的每个元素都包含一个具有两个属性/元素的对象/数据结构；那个折叠的训练集和测试集。这是我的 R 代码。例如，我想访问 View(data_pairs[[8]]$training_set) 的第 8 折训练集。但它没有用。任何帮助将不胜感激:)

k <- 10    # number of folds

i <- 1:k  


folds <- sample(i, nrow(data), replace = TRUE)

data_pairs <- list()

for (j in i) {
  
  test_ind <- which(folds==j,arr.ind=TRUE)
  
  test <- data[test_ind,]
  train <- data[-test_ind,]
  
  data_pair <- list(training_set = list(train), test_set = list(test))
  
  data_pairs <- append(x = data_pairs, values = data_pair)
  
}

【问题讨论】：

标签： r machine-learning

【解决方案1】：

您非常接近，您只需将values 包装在list 调用中。

k <- 10    # number of folds

i <- 1:k  
folds <- sample(i, nrow(mtcars), replace = TRUE)

data_pairs <- list()

for (j in i) {
  
  test_ind <- which(folds==j,arr.ind=TRUE)
  
  test <- mtcars[test_ind,]
  train <- mtcars[-test_ind,]
  data_pair <- list(training_set = train, test_set = test)
  data_pairs <- append(x = data_pairs, values = list(data_pair))
  #data_pairs <- c(data_pairs, list(data_pair))
}

如果您的数据很大，我建议您阅读这两篇文章，了解如何更有效地增加列表。

我还想指出，您并没有创建数据的“折叠”。在您的情况下，您正在尝试 10 倍交叉验证，这意味着您的数据应该分成 10 个“相等”大小的块。然后创建 10 个训练/测试数据集，将每个折叠用作测试数据，其余用于训练。

【讨论】：

【解决方案2】：

似乎modelr 包可以在这里为您提供帮助。我会特别指出：

https://modelr.tidyverse.org/reference/resample_partition.html

library(modelr)
ex <- resample_partition(mtcars, c(test = 0.3, train = 0.7))

mod <- lm(mpg ~ wt, data = ex$train)

rmse(mod, ex$test)
#> [1] 3.229756
rmse(mod, ex$train)
#> [1] 2.88216

或者，可以通过以下方式生成这些分区的数据集： crossv_mc(data, n, test = 0.2, id = ".id")

【讨论】：