拆分数据框以匹配年龄和性别的训练和验证子集

【问题标题】：Splitting Dataframe for Training and Validation Subsets Matching for Age and Sex拆分数据框以匹配年龄和性别的训练和验证子集
【发布时间】：2017-06-13 20:58:16
【问题描述】：

我有一个包含大约 400 名健康受试者的大型数据集，用于基础研究。我想将他们分成培训和验证队列。我考虑过随机拆分，但由于年龄差异很大，而且女性比男性多，我想将他们匹配成两组，男女比例相似/相同，年龄分布相似。

由于没有区分（如患者和对照），我没有事先匹配它们的组 - 就像 MatchIt 包一样。

有人有想法吗？

【问题讨论】：

标签： r

【解决方案1】：

randomizr 包可能正是您想要的。它允许分层随机化，因此您可以在训练集和验证集之间随机化样本，同时按年龄和性别进行分层。您可能必须创建年龄箱才能使其正常工作。

【讨论】：

【解决方案2】：

在randomizr:

Z <- block_ra(block_var = gender)

这将创建一个由 0 和 1 组成的向量，将每个性别的一半分配给 Z = 1。

如果你想对多个事物进行分层，可能是这样的

Z <- block_ra(block_var = paste0(gender, age_cat))

如果您需要同时对多个变量进行分层，我建议您使用blockTools 包。

【讨论】：