如何将数据集中的每 5 个样本分配为测试数据集，将其余样本分配为训练数据集？

Posted 2023-03-13

【中文标题】如何将数据集中的每 5 个样本分配为测试数据集，将其余样本分配为训练数据集？

【英文标题】：How can I assign every 5th sample in my dataset as a Testing dataset and the rest of the samples as the training dataset?

【发布时间】：2014-11-23 14:40:10

【问题描述】：

我有一个包含 133 个样本（133 行和 2 个列（属性））的数据集。我需要从 1（第 1、第 6、第 11、第 16 ......等）开始分配每 5 个样本作为测试数据集，其余的作为训练数据集。我该怎么做？

【问题讨论】：

类似split(mydf, rownames(mydf) %in% seq(1, 133, by = 5))?

【参考方案1】：

在 Maltab 中使用 colon-operator：

testset = dataset(1:5:end,:)
trainingset = setdiff(dataset, testset, 'rows')

你也可以不使用setdiff：

testset = dataset(1:5:end,:)
trainingset = dataset;
trainingset(1:5:end, :) = [];

【参考方案2】：

在r 中，您可以使用seq 来生成要保留的行序列。然后，您可以采用基于[ 的基本子集，也可以使用%in% 将数据集分成两部分。

这是后者的一个示例，带有一些示例数据：

set.seed(1)
mydf <- data.frame(matrix(rnorm(266), ncol = 2))
mySamples <- setNames(split(mydf, rownames(mydf) %in% seq(1, 133, by = 5)),
                      c("training", "testing"))
str(mySamples)
# List of 2
#  $ training:'data.frame':  106 obs. of  2 variables:
#   ..$ X1: num [1:106] 0.184 -0.836 1.595 0.33 0.487 ...
#   ..$ X2: num [1:106] 0.3066 -1.5364 -0.301 -0.5283 -0.0569 ...
#  $ testing :'data.frame': 27 obs. of  2 variables:
#   ..$ X1: num [1:27] -0.6265 -0.8205 1.5118 -0.0449 0.919 ...
#   ..$ X2: num [1:27] -1.518 -0.652 -0.464 -1.286 -0.929 ...

---

这是使用 [ 的另一种稍微手动的方法：

testingRows  <- seq(1, 133, by = 5)
trainingRows <- setdiff(sequence(nrow(mydf)), testingRows)
testing  <- mydf[testingRows, ]
training <- mydf[trainingRows, ]