Ordenar o data frame aleatoriamente

Uma forma de fazer um split de treino/teste de um conjunto de dados é ordená-lo aleatoriamente e depois dividi-lo em dois conjuntos. Isso garante que os conjuntos de treino e de teste sejam amostras aleatórias e que quaisquer vieses na ordenação do conjunto de dados (por exemplo, se ele tiver sido originalmente ordenado por preço ou tamanho) não sejam mantidos nas amostras usadas para treinar e testar seus modelos. Você pode pensar nisso como embaralhar um baralho novo antes de distribuir as cartas.

Primeiro, defina uma semente aleatória para que seu trabalho seja reprodutível e você obtenha a mesma divisão aleatória a cada vez que executar seu script:

set.seed(42)

Em seguida, use a função sample() para embaralhar os índices de linha do conjunto de dados diamonds. Você poderá usar esses índices depois para reordenar o conjunto de dados.

rows <- sample(nrow(diamonds))

Por fim, use esse vetor aleatório para reordenar o conjunto de dados diamonds:

diamonds <- diamonds[rows, ]