Cara membagi set data untuk melakukan validasi silang 10 kali lipat

Sekarang saya memiliki Rkerangka data (pelatihan), adakah yang bisa memberi tahu saya cara membagi set data ini secara acak untuk melakukan validasi silang 10 kali lipat?

caret memiliki fungsi untuk ini:

require(caret)
flds <- createFolds(y, k = 10, list = TRUE, returnTrain = FALSE)
names(flds)[1] <- "train"

Kemudian setiap elemen fldsadalah daftar indeks untuk setiap dataset. Jika dataset Anda dipanggil dat, maka dat[flds$train,]Anda mendapat set pelatihan, dat[ flds[[2]], ]membuat Anda set lipatan kedua, dll.

Berikut adalah cara sederhana untuk melakukan 10 kali lipat tanpa menggunakan paket:

#Randomly shuffle the data
yourData<-yourData[sample(nrow(yourData)),]

#Create 10 equally size folds
folds <- cut(seq(1,nrow(yourData)),breaks=10,labels=FALSE)

#Perform 10 fold cross validation
for(i in 1:10){
    #Segement your data by fold using the which() function 
    testIndexes <- which(folds==i,arr.ind=TRUE)
    testData <- yourData[testIndexes, ]
    trainData <- yourData[-testIndexes, ]
    #Use the test and train data partitions however you desire...
}

Mungkin bukan cara terbaik, tapi di sini ada satu cara untuk melakukannya. Saya cukup yakin ketika saya menulis kode ini saya telah meminjam trik dari jawaban lain di sini, tetapi saya tidak dapat menemukannya untuk ditautkan.

# Generate some test data
x <- runif(100)*10 #Random values between 0 and 10
y <- x+rnorm(100)*.1 #y~x+error
dataset <- data.frame(x,y) #Create data frame
plot(dataset$x,dataset$y) #Plot the data

#install.packages("cvTools")
library(cvTools) #run the above line if you don't have this library

k <- 10 #the number of folds

folds <- cvFolds(NROW(dataset), K=k)
dataset$holdoutpred <- rep(0,nrow(dataset))

for(i in 1:k){
  train <- dataset[folds$subsets[folds$which != i], ] #Set the training set
  validation <- dataset[folds$subsets[folds$which == i], ] #Set the validation set

  newlm <- lm(y~x,data=train) #Get your new linear model (just fit on the train data)
  newpred <- predict(newlm,newdata=validation) #Get the predicitons for the validation set (from the model just fit on the train data)

  dataset[folds$subsets[folds$which == i], ]$holdoutpred <- newpred #Put the hold out prediction in the data set for later use
}

dataset$holdoutpred #do whatever you want with these predictions

tolong temukan di bawah ini beberapa kode lain yang saya gunakan (dipinjam dan diadaptasi dari sumber lain). Menyalinnya langsung dari skrip yang baru saja saya gunakan sendiri, tersisa di rutinitas rpart. Bagian yang mungkin paling menarik adalah garis-garis pada penciptaan lipatan. Atau - Anda dapat menggunakan fungsi crossval dari paket bootstrap.

#define error matrix
err <- matrix(NA,nrow=1,ncol=10)
errcv=err

#creation of folds
for(c in 1:10){

n=nrow(df);K=10; sizeblock= n%/%K;alea=runif(n);rang=rank(alea);bloc=(rang-1)%/%sizeblock+1;bloc[bloc==K+1]=K;bloc=factor(bloc); bloc=as.factor(bloc);print(summary(bloc))

for(k in 1:10){

#rpart
fit=rpart(type~., data=df[bloc!=k,],xval=0) ; (predict(fit,df[bloc==k,]))
answers=(predict(fit,df[bloc==k,],type="class")==resp[bloc==k])
err[1,k]=1-(sum(answers)/length(answers))

}

err
errcv[,c]=rowMeans(err, na.rm = FALSE, dims = 1)

}
errcv

# Evaluate models uses k-fold cross-validation
install.packages("DAAG")
library("DAAG")

cv.lm(data=dat, form.lm=mod1, m= 10, plotit = F)

Semuanya dilakukan untuk Anda dalam satu baris kode!

?cv.lm for information on input and output

Karena saya tidak melakukan pendekatan dalam daftar ini, saya pikir saya dapat membagikan opsi lain untuk orang-orang yang tidak ingin menginstal paket untuk validasi silang cepat

# get the data from somewhere and specify number of folds
data <- read.csv('my_data.csv')
nrFolds <- 10

# generate array containing fold-number for each sample (row)
folds <- rep_len(1:nrFolds, nrow(data))

# actual cross validation
for(k in 1:nrFolds) {
    # actual split of the data
    fold <- which(folds == k)
    data.train <- data[-fold,]
    data.test <- data[fold,]

    # train and test your model with data.train and data.test
}

Perhatikan bahwa kode di atas mengasumsikan bahwa data sudah dikocok. Jika ini tidak terjadi, Anda dapat mempertimbangkan untuk menambahkan sesuatu seperti

folds <- sample(folds, nrow(data))