应对不均衡样本——R语言实现下采样

###=====dataset ======

#读取csv文件
dataset <- read.csv(".csv",header = T,row.names = 1)
#将因变量变为因子型，以便于分类
dataset$y<-as.factor(dataset$y)
summary(dataset$y)

#=== down-sampling ====

#提取y=1的样本

subset1 <- dataset[dataset$y == 1,] #controls

#提取y=2的样本
row.name <- rownames(dataset[dataset$y == 2,])

#将两个subset的样本数保持一致

resample <- sample(row.name, nrow(subset1), replace = T) #resampling
subset2 <- dataset[resample,]  #cases

#合并两个样本
dataset<- rbind(subset1,subset2)

#新的数据中，两种类型的样本量均衡

dim(dataset)