对数据集进行训练/测试集划分的一种方法是先随机打乱数据集的顺序，然后再将其分成两部分。这样可以确保训练集和测试集都是随机样本，并且不会保留数据集原有的排序偏差（例如，最初按价格或大小排序），从而避免在训练和测试模型时引入偏差。您可以把这一步理解为在发牌前先把一副新扑克牌洗牌。

首先，设置随机种子，以便结果可复现，并且每次运行脚本都得到相同的随机划分：

set.seed(42)

接着，使用 sample() 函数打乱 diamonds 数据集的行索引。之后可以用这些索引重新排序数据集。

rows <- sample(nrow(diamonds))

最后，使用这个随机向量重新排序 diamonds 数据集：

diamonds <- diamonds[rows, ]

交叉验证的优势

在 R 中使用 caret 的机器学习