Jak podzielić zestaw danych, aby wykonać 10-krotną weryfikację krzyżową

Teraz mam Rramkę danych (szkolenie). Czy ktoś może mi powiedzieć, jak losowo podzielić ten zestaw danych, aby wykonać 10-krotną weryfikację krzyżową?

caret ma do tego funkcję:

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

Następnie każdy element fldsjest listą indeksów dla każdego zestawu danych. Jeśli Twój zestaw danych zostanie wywołany dat, dat[flds$train,]otrzymasz zestaw treningowy, zestaw dat[ flds[[2]], ]drugiego pasowania itp.

Oto prosty sposób na wykonanie 10-krotności bez użycia pakietów:

#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...
}

Prawdopodobnie nie najlepszy sposób, ale tutaj jest jeden sposób, aby to zrobić. Jestem prawie pewien, że kiedy napisałem ten kod, pożyczyłem sztuczkę z innej odpowiedzi tutaj, ale nie mogłem znaleźć linku.

# 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

poniżej znajdziesz inny kod, którego używam (pożyczony i przystosowany z innego źródła). Skopiowałem go prosto ze skryptu, którego sam używałem, pozostawionego w procedurze rpart. Częścią, która prawdopodobnie najbardziej interesuje, są linie tworzenia zagięć. Alternatywnie - możesz użyć funkcji crossval z pakietu 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)

Wszystko zrobione dla Ciebie w jednym wierszu kodu!

?cv.lm for information on input and output

Ponieważ nie podjąłem takiego podejścia na tej liście, pomyślałem, że mogę udostępnić inną opcję osobom, które nie chcą instalować pakietów w celu szybkiej weryfikacji krzyżowej

# 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
}

Zauważ, że powyższy kod zakłada, że ​​dane są już tasowane. Jeśli tak nie jest, możesz rozważyć dodanie czegoś takiego

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