维数 R 不正确

Question

我尝试将我的数据分开来测试和训练集。 我使用示例函数，当我尝试设置训练集时，我写道：

training<-data[selected, ]

我得到的错误是维数不正确。 我该怎么办？

Answer 1

这是一个示例，我们创建了一些随机数据并取 60% 的样本设置为训练数据。 首先，我们创建一个包含 1000 行 10 列随机数据的数据框，以及一个id列，该列表示数据框中观察的行号。

set.seed(95014) # set seed to make sample reproducible 
data <- data.frame(id=1:1000,matrix(runif(10000,max=100),nrow=1000))

接下来，我们从id向量中抽取 600 个 id。

aSample <- sample(data$id,600)
head(aSample)

> head(aSample)
[1] 559 570 118 121 934  49

最后，我们使用id值将数据拆分为测试和训练数据帧。

training <- data[data$id %in% aSample,]
nrow(training)
head(training)
testing <- data[!(data$id %in% aSample),]
nrow(testing)
head(testing)

...和输出：

> training <- data[data$id %in% aSample,]
> nrow(training)
[1] 600
> head(training)
  id       X1       X2        X3       X4       X5       X6       X7        X8
1  1 93.79708 55.77981 47.321792 58.25367 73.40112 22.78027 31.21750 81.908545
2  2 21.64439 98.72992 81.351044 31.92606 36.06994 28.52702 88.30162  9.474531
4  4 42.61110 95.83472  3.142368 94.38545 84.18761 47.67777 16.98694 24.277995
7  7 44.54569 59.44912  9.658479 62.29967 18.64361 41.94804 72.89537 41.777294
8  8 94.62813 84.44770 37.480883 85.66058 88.25963  9.99134 89.65660 86.425941
9  9 12.25220 70.70493 92.889167 74.90797 56.46179 18.65665 86.23158 76.616870
         X9      X10
1 23.179851 64.64663
2 53.568108 16.69363
4  1.229717 41.45356
7  2.258932 10.91128
8 25.547644 98.37873
9 83.552602 46.69852
> testing <- data[!(data$id %in% aSample),]
> nrow(testing)
[1] 400
> head(testing)
   id       X1       X2        X3       X4       X5       X6       X7
3   3 20.89891 12.98920 80.051161 92.98576 66.56050 67.77384 84.82885
5   5 32.13445 83.12521 47.775644 38.55591 49.14070 69.26557 69.02516
6   6 39.76976 25.96758  6.683530 98.92120 22.67881 43.15225 89.78034
10 10 16.92903 99.77142 51.578957 68.83097 74.68267 21.93792 80.45868
11 11 84.66744 39.72422  8.587481 17.10894 71.81957 92.79043 87.10920
12 12 93.03164 34.98200 18.010040 90.85953 96.07546 60.30213 32.97798
          X8       X9      X10
3  68.375392 24.35218 37.49941
5  48.904674 56.62582 92.65490
6  88.658118 88.50311 46.35529
10 50.494296 51.46921 74.25503
11 33.429481 14.93083 48.94056
12  8.279923 22.67349 41.68959
> 

请注意， training中的id值与testing不匹配。 我们可以通过以下代码验证这一点。

# verify no ids in training are in testing
sum(testing$id %in% training$id)  

...和输出：

> # verify no ids in training are in testing
> sum(testing$id %in% training$id)
[1] 0
> 

请注意，如果想要根据因变量的值创建随机样本作为测试与训练数据的拆分标准，我们将使用caret::createDataPartition() 。 这种方法确保依赖值的值分布在训练和测试数据帧中大致相等。

我们将使用mlbench包中的Sonar数据框来说明这一点。

library(mlbench)
data(Sonar)
library(caret)
set.seed(95014)
inTraining <- createDataPartition(Sonar$Class,p = .75,list = FALSE)
training <- Sonar[inTraining,]
testing <- Sonar[-inTraining,]
table(training$Class)
table(testing$Class)

...和输出：

> table(training$Class)

 M  R 
84 73 
> table(testing$Class)

 M  R 
27 24