Ordina casualmente il data frame

Un modo per creare una suddivisione train/test di un insieme di dati è ordinarlo in modo casuale e poi dividerlo nei due insiemi. In questo modo sia il training set sia il test set sono campioni casuali e non si mantengono eventuali bias dovuti all’ordinamento originale dell’insieme di dati (ad esempio, se inizialmente era ordinato per prezzo o dimensione) nei campioni che usi per addestrare e testare i tuoi modelli. Puoi pensarla come mescolare un mazzo di carte nuovo prima di distribuire le mani.

Per prima cosa, imposta un seed casuale così che il tuo lavoro sia riproducibile e tu ottenga la stessa suddivisione casuale ogni volta che esegui lo script:

set.seed(42)

Poi, usa la funzione sample() per mescolare gli indici di riga del dataset diamonds. Potrai poi usare questi indici per riordinare l’insieme di dati.

rows <- sample(nrow(diamonds))

Infine, puoi usare questo vettore casuale per riordinare il dataset diamonds:

diamonds <- diamonds[rows, ]