データセットを分割して10倍の交差検証を行う方法

これでRデータフレーム（トレーニング）ができました。このデータセットをランダムに分割して10倍の交差検証を行う方法を教えてもらえますか？

caret この機能があります：

require(caret)
flds <- createFolds(y, k = 10, list = TRUE, returnTrain = FALSE)
names(flds)[1] <- "train"

の各要素fldsは、各データセットのインデックスのリストです。あなたのデータセットが呼び出された場合dat、その後、dat[flds$train,]あなたはトレーニングセットを取得し、dat[ flds[[2]], ]あなたはなど、二倍に設定されます

パッケージなしで10倍を実行する簡単な方法を次に示します。

#Randomly shuffle the data
yourData<-yourData[sample(nrow(yourData)),]

#Create 10 equally size folds
folds <- cut(seq(1,nrow(yourData)),breaks=10,labels=FALSE)

#Perform 10 fold cross validation
for(i in 1:10){
    #Segement your data by fold using the which() function 
    testIndexes <- which(folds==i,arr.ind=TRUE)
    testData <- yourData[testIndexes, ]
    trainData <- yourData[-testIndexes, ]
    #Use the test and train data partitions however you desire...
}

おそらく最善の方法ではありませんが、ここにそれを行う1つの方法があります。このコードを書いたとき、私はここで別の答えからトリックを借りていたと確信していますが、リンクするものを見つけることができませんでした。

# Generate some test data
x <- runif(100)*10 #Random values between 0 and 10
y <- x+rnorm(100)*.1 #y~x+error
dataset <- data.frame(x,y) #Create data frame
plot(dataset$x,dataset$y) #Plot the data

#install.packages("cvTools")
library(cvTools) #run the above line if you don't have this library

k <- 10 #the number of folds

folds <- cvFolds(NROW(dataset), K=k)
dataset$holdoutpred <- rep(0,nrow(dataset))

for(i in 1:k){
  train <- dataset[folds$subsets[folds$which != i], ] #Set the training set
  validation <- dataset[folds$subsets[folds$which == i], ] #Set the validation set

  newlm <- lm(y~x,data=train) #Get your new linear model (just fit on the train data)
  newpred <- predict(newlm,newdata=validation) #Get the predicitons for the validation set (from the model just fit on the train data)

  dataset[folds$subsets[folds$which == i], ]$holdoutpred <- newpred #Put the hold out prediction in the data set for later use
}

dataset$holdoutpred #do whatever you want with these predictions

私が使用している他のコードをいくつか見つけてください（別のソースから借用および適応）。rpartルーチンに残った、自分で使用したスクリプトから直接コピーしました。おそらく最も関心のある部分は、折り目の作成に関する線です。または、ブートストラップパッケージのcrossval関数を使用できます。

#define error matrix
err <- matrix(NA,nrow=1,ncol=10)
errcv=err

#creation of folds
for(c in 1:10){

n=nrow(df);K=10; sizeblock= n%/%K;alea=runif(n);rang=rank(alea);bloc=(rang-1)%/%sizeblock+1;bloc[bloc==K+1]=K;bloc=factor(bloc); bloc=as.factor(bloc);print(summary(bloc))

for(k in 1:10){

#rpart
fit=rpart(type~., data=df[bloc!=k,],xval=0) ; (predict(fit,df[bloc==k,]))
answers=(predict(fit,df[bloc==k,],type="class")==resp[bloc==k])
err[1,k]=1-(sum(answers)/length(answers))

}

err
errcv[,c]=rowMeans(err, na.rm = FALSE, dims = 1)

}
errcv

# Evaluate models uses k-fold cross-validation
install.packages("DAAG")
library("DAAG")

cv.lm(data=dat, form.lm=mod1, m= 10, plotit = F)

1行のコードですべてが完了しました！

?cv.lm for information on input and output

私はこのリストに自分のアプローチをしなかったので、迅速な相互検証のためにパッケージをインストールしたくない人のために別のオプションを共有できると思いました

# get the data from somewhere and specify number of folds
data <- read.csv('my_data.csv')
nrFolds <- 10

# generate array containing fold-number for each sample (row)
folds <- rep_len(1:nrFolds, nrow(data))

# actual cross validation
for(k in 1:nrFolds) {
    # actual split of the data
    fold <- which(folds == k)
    data.train <- data[-fold,]
    data.test <- data[fold,]

    # train and test your model with data.train and data.test
}

上記のコードは、データが既にシャッフルされていることを前提としていることに注意してください。これが当てはまらない場合は、次のようなものを追加することを検討できます。

folds <- sample(folds, nrow(data))