建立訓練與測試資料集
將資料集分成訓練集與測試集，是建立與測試分類模型時的重要步驟。訓練集用來建立模型，測試集用來評估模型的預測準確度。
在這個練習中，你會把上一章建立的資料集切分為訓練集與測試集。資料集已載入到 df 資料框，且已設定好隨機種子以確保結果可重現。回想上一部影片中，我們用了一些方便的函式來設定訓練集長度的上限——現在換你來實作！
本練習屬於課程
R 的支援向量機
練習說明
- 決定訓練集中列數的上限，並將其儲存在
sample_size。 - 建立向量
train，依照 80/20 的比例隨機指定訓練集。 - 將位於
train向量中的列指派給資料框trainset，其餘列指派給資料框testset。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Set the upper bound for the length of the training set
sample_size <- ___(___ * nrow(df))
# Assign rows to training set randomly
train <- ___(seq_len(nrow(df)), size = ___)
# Yield training and test sets
trainset <- df[___, ]
testset <- df[-___, ]