数据集的分类标签(R语言中的训练集与测试集划分)
在机器学习和数据科学领域,我们经常需要将一个数据集划分为训练集和测试集,以便评估模型的性能和泛化能力。在R语言中,有多种方法可以实现这一目的。本文将介绍一些常用的R包和函数,并提供相应的源代码示例。
- random.split函数
random.split函数是一个简单而常用的方法,可将数据集随机分成训练集和测试集。该函数基于样本索引,可以确保在划分过程中保持数据的随机性。以下是使用random.split函数进行数据集划分的示例代码:
# 导入random包
library(random)
# 设定随机数种子,确保结果可重复
set.seed(123)
# 创建一个示例数据集
data <- iris
# 使用random.split函数将数据集按照7:3的比例划分为训练集和测试集
split_data <- random.split(data, ratios = c(train = 0.7, test = 0.3))
# 分别获取训练集和测试集
train_data <- split_data$train
test_data <- split_data$test
上述代码中,我们首先导入random包,然后设定随机数种子,以确保结果可重复。接下来,我们创建了一个示例数据集(