Dividir el conjunto de datos
Para crear tus conjuntos de entrenamiento y prueba, primero debes fijar una semilla usando set.seed(). Las semillas permiten establecer un punto de partida para los números generados aleatoriamente, de modo que cada vez que ejecutes tu código se obtenga la misma respuesta. La ventaja de usarla en tu muestreo es que tú o cualquier otra persona podréis recrear exactamente los mismos conjuntos de entrenamiento y prueba utilizando la misma semilla.
Con sample(), puedes asignar aleatoriamente observaciones al conjunto de entrenamiento y al de prueba.
En este ejercicio usarás los dos primeros argumentos de la función sample():
- El primer argumento es el vector del que vamos a extraer valores. Elegiremos aleatoriamente números de fila como índices; puedes usar
1:nrow(loan_data)para crear el vector de números de fila. - El segundo argumento es el número de elementos a elegir. Introduciremos
2 / 3 * nrow(loan_data), ya que primero construimos el conjunto de entrenamiento.
Este ejercicio forma parte del curso
Modelización del riesgo de crédito en R
Instrucciones del ejercicio
- Fija la semilla en 567 usando la función
set.seed(). - Guarda los índices de fila del conjunto de entrenamiento en el objeto
index_train. Usa la funciónsample()con el primer y segundo argumento como se explicó arriba. - Crea el conjunto de entrenamiento seleccionando de
loan_datalas filas cuyos números están enindex_train. Guarda el resultado entraining_set. - El conjunto de prueba contiene las filas que no están en
index_train. Copia el código que usaste para crear el conjunto de entrenamiento, pero usa el signo negativo (-) justo antes deindex_traindentro de los corchetes. Guarda el resultado entest_set.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Set seed of 567
# Store row numbers for training set: index_train
# Create training set: training_set
training_set <- loan_data[___, ]
# Create test set: test_set