R 데이터 분할

1 개요[ | ]

R 데이터 분할

2 단순 랜덤 분할[ | ]

목표변수의 비율을 따지지 않고 전체를 랜덤하게 분할

2.1 sample()[ | ]

추가 라이브러리 필요 없음

df = iris
idx = sample(1:nrow(df),nrow(df)*0.8) 
Train = df[ idx,]
Test  = df[-idx,]
nrow(Train)
nrow(Test )

3 동등 배분[ | ]

훈련데이터와 테스트테이터에 특정컬럼값(예: 목표변수)을 기준으로 동등한 비율로 랜덤 배분

3.1 createDataPartition()[ | ]

R createDataPartition() 문서를 참고하십시오.

df = iris
library(caret)
idx = createDataPartition(df$Species, list=F, p=0.8)
Train = df[ idx,]
Test  = df[-idx,]
nrow( Train )
nrow( Test  )

3.2 sample.split()[ | ]

caTools 라이브러리 필요

library(caTools)
msk = sample.split(iris$Species, SplitRatio=0.8)
Train = iris[ msk,]
Test  = iris[!msk,]
nrow( Train )
nrow( Test  )

df = read.table( header=TRUE, stringsAsFactors=FALSE, text="
name  major gpa
Alice Math  3.3
Bob   Math  3.4
Carol Math  3.5
Dave  Math  3.6
Erin  Math  3.7
Frank Math  3.7
Grace Chem  3.6
Heidi Chem  3.6
Ivan  Chem  3.7
Judy  Chem  3.8
Kelly Chem  3.9
Lee   Chem  4.0
")
library(caTools)
msk = sample.split(df$major, SplitRatio=3/4)
train = df[ msk,]
test  = df[!msk,]
options(echo=T)
print( train )
print( test  )

3.3 seq()[ | ]

추가 라이브러리 필요 없음
랜덤은 아니고 n번째 추출하다.
단점: ① 비율 미세조정이 어려울 수 있다. ② 균등한 비율 배분이 어려울 수 있다.
아래 예시는 4:1 ( 80%: 20% ), iris 자료는 Species 3종이 각 50개씩 차례로 있는 경우라서 균등 배분되었다.

Train = iris[-c(seq(5,nrow(iris),5)),] # 매 5번째만 제외
Test  = iris[ c(seq(5,nrow(iris),5)),] # 매 5번째만 포함
nrow( Train ) # 120
nrow( Test  ) # 30

4 같이 보기[ | ]