Generar una partición aleatoria de entrenamiento/prueba

En los próximos ejercicios usarás los datos mpg del paquete ggplot2. Estos datos describen las características de varias marcas y modelos de coches de distintos años. El objetivo es predecir la eficiencia de combustible en ciudad a partir de la eficiencia en autopista.

En este ejercicio, dividirás mpg en un conjunto de entrenamiento mpg_train (75% de los datos) y un conjunto de prueba mpg_test (25% de los datos). Una forma de hacerlo es generar una columna de números aleatorios uniformes entre 0 y 1 con la función runif() (docs).

Si tienes un conjunto de datos dframe de tamaño \(N\), y quieres un subconjunto aleatorio de tamaño aproximadamente \(100 * X\)% de \(N\) (donde \(X\) está entre 0 y 1), entonces:

Genera un vector de números aleatorios uniformes: gp = runif(N).
dframe[gp < X,] tendrá aproximadamente el tamaño buscado.
dframe[gp >= X,] será el complemento.

Este ejercicio forma parte del curso

Aprendizaje supervisado en R: Regresión

Ver curso

Instrucciones del ejercicio

Usa la función nrow (docs) para obtener el número de filas del data frame mpg. Asigna este recuento a la variable N e imprímela.
Calcula aproximadamente cuántas filas son el 75% de N. Asígnalo a la variable target e imprímela.
Usa runif() para generar un vector de N números aleatorios uniformes, llamado gp.
Usa gp para dividir mpg en mpg_train y mpg_test (con mpg_train conteniendo aproximadamente el 75% de los datos).
Usa nrow() para comprobar el tamaño de mpg_train y mpg_test. ¿Tienen aproximadamente el tamaño esperado?

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# mpg is available
summary(mpg)
dim(mpg)

# Use nrow to get the number of rows in mpg (N) and print it
(N <- ___)

# Calculate how many rows 75% of N should be and print it
# Hint: use round() to get an integer
(target <- ___)

# Create the vector of N uniform random variables: gp
gp <- ___

# Use gp to create the training set: mpg_train (75% of data) and mpg_test (25% of data)
mpg_train <- ___
mpg_test <- ___

# Use nrow() to examine mpg_train and mpg_test
___
___

Editar y ejecutar código