So teilen Sie einen Datensatz, um eine 10-fache Kreuzvalidierung durchzuführen

Jetzt habe ich einen RDatenrahmen (Training). Kann mir jemand sagen, wie ich diesen Datensatz zufällig aufteilen soll, um eine 10-fache Kreuzvalidierung durchzuführen?

caret hat eine Funktion dafür:

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

Dann ist jedes Element von fldseine Liste von Indizes für jeden Datensatz. Wenn Ihr Datensatz aufgerufen wird dat, erhalten dat[flds$train,]Sie den Trainingssatz, dat[ flds[[2]], ]den zweiten Falzsatz usw.

Hier ist eine einfache Möglichkeit, das 10-fache ohne Pakete auszuführen:

#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...
}

Wahrscheinlich nicht der beste Weg, aber hier ist ein Weg, es zu tun. Ich bin mir ziemlich sicher, dass ich mir beim Schreiben dieses Codes einen Trick von einer anderen Antwort hier ausgeliehen hatte, aber ich konnte keinen Link dazu finden.

# 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

Nachfolgend finden Sie einen anderen Code, den ich verwende (ausgeliehen und aus einer anderen Quelle angepasst). Kopierte es direkt aus einem Skript, das ich gerade selbst verwendet habe, und blieb in der Routine rpart. Der wahrscheinlich am meisten interessierende Teil sind die Linien zur Erzeugung der Falten. Alternativ können Sie die Funktion crossval aus dem Bootstrap-Paket verwenden.

#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)

Alles in einer Codezeile für Sie erledigt!

?cv.lm for information on input and output

Da ich in dieser Liste nicht auf meine Vorgehensweise eingegangen bin, dachte ich, ich könnte eine andere Option für Personen empfehlen, die keine Lust haben, Pakete für eine schnelle Gegenüberstellung zu installieren

# 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
}

Beachten Sie, dass der obige Code davon ausgeht, dass die Daten bereits gemischt sind. Wenn dies nicht der Fall wäre, könnten Sie etwas wie hinzufügen

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