Kom igångKom igång gratis

Skapa en slumpmässig test- och träningsuppdelning

I de kommande övningarna använder du datamängden mpg från paketet ggplot2. Den beskriver egenskaper hos olika bilmärken och modeller från olika år. Målet är att förutsäga bränsleeffektivitet i stad utifrån bränsleeffektivitet på landsväg.

I den här övningen delar du upp mpg i ett träningsset mpg_train (75% av datan) och ett testset mpg_test (25% av datan). Ett sätt att göra det är att generera en kolumn med jämnt fördelade slumpmässiga tal mellan 0 och 1, med hjälp av funktionen runif() (dokumentation).

Om du har en datamängd dframe av storleken \(N\) och vill ha ett slumpmässigt urval på ungefär \(100 * X\)% av \(N\) (där \(X\) är ett tal mellan 0 och 1) gör du så här:

  1. Generera en vektor med jämnt fördelade slumpmässiga tal: gp = runif(N).
  2. dframe[gp < X,] ger ungefär rätt storlek.
  3. dframe[gp >= X,] ger komplementet.

Den här övningen är en del av kursen

Övervakad inlärning i R: Regression

Visa kurs

Övningsinstruktioner

  • Använd funktionen nrow (dokumentation) för att hämta antalet rader i dataramen mpg. Tilldela antalet till variabeln N och skriv ut det.
  • Beräkna hur många rader 75% av N ungefär motsvarar. Tilldela värdet till variabeln target och skriv ut det.
  • Använd runif() för att generera en vektor med N jämnt fördelade slumpmässiga tal och kalla den gp.
  • Använd gp för att dela upp mpg i mpg_train och mpg_test (där mpg_train innehåller ungefär 75% av datan).
  • Använd nrow() för att kontrollera storleken på mpg_train och mpg_test. Stämmer de ungefär med förväntat antal rader?

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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
___
___
Redigera och kör kod