划分训练集和测试集并指定训练测试比例（R语言实现）

最新推荐文章于 2025-11-22 18:53:13 发布

后端架构魔术师

最新推荐文章于 2025-11-22 18:53:13 发布

阅读量794

点赞数 1

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/HackCyberX/article/details/132350601

R语言专栏收录该内容

90 篇文章 ¥59.90 ¥99.00

订阅专栏

本文介绍了如何使用R语言对数据集进行训练集和测试集的划分，以评估模型性能和泛化能力。通过设定随机种子和使用函数，可以按指定比例随机划分样本，为机器学习建模提供可靠的数据基础。同时，文章也提醒了简单的随机划分可能存在的偏差，建议使用交叉验证等方法提高评估准确性。

划分训练集和测试集并指定训练测试比例（R语言实现）

在机器学习中，为了评估模型的性能和泛化能力，常常需要将数据集划分为训练集和测试集。训练集用于模型的参数估计和训练，而测试集用于评估模型在未见过数据上的性能。本文将介绍如何使用R语言对数据集进行划分，并指定训练测试比例。

首先，我们需要准备一个数据集，并确保它已经被加载到R环境中。假设我们的数据集存储在一个名为data的数据框中。

# 创建示例数据框
data <- data.frame(
  x = 1:100,
  y = rnorm(100)
)

接下来，我们可以使用caret包中的createDataPartition函数来划分训练集和测试集。该函数会根据指定的比例将数据集中的样本随机划分到训练集和测试集中。

# 安装和加载caret包
install.packages("caret")
library(caret)

# 指定划分比例
train_test_ratio <- 0.8

# 划分数据集
set.seed(123)  # 设置随机种子，确保结果的可复现性
index <- createDataPartition(data$y, p = train_test_ratio, list = FALSE)
train_data <- data[index, ]
test_data <- data[-index, ]

在上述代码中，我们首先通过set.seed函数设置了一个随机种子，以确保每次运行代码时得到的划

了解本专栏