<\/p>\n
Spesso, quando adattiamo gli algoritmi di machine learning ai set di dati, prima dividiamo il set di dati in un set di addestramento e un set di test.<\/span><\/p>\n Esistono tre modi comuni per suddividere i dati in set di training e test in R:<\/span><\/p>\n Metodo 1: utilizzare Base R<\/strong><\/span><\/p>\n Metodo 2: utilizzare il pacchetto caTools<\/strong><\/span><\/p>\n Metodo 3: utilizzare il pacchetto dplyr<\/strong><\/span><\/p>\n Gli esempi seguenti mostrano come utilizzare ciascun metodo nella pratica con il set di dati iris<\/a> integrato in R.<\/span><\/p>\n Il codice seguente mostra come utilizzare la base R per dividere il set di dati dell’iride in un set di training e un set di test, utilizzando il 70% delle righe come set di training e il restante 30% come set di testing:<\/span><\/span><\/p>\n Dal risultato possiamo vedere:<\/span><\/p>\n Poich\u00e9 il database originale aveva 150 righe in totale, il set di training contiene circa 106\/150 = 70,6% delle righe originali.<\/span><\/p>\n Possiamo anche visualizzare le prime righe del training set se vogliamo:<\/span><\/p>\n Il codice seguente mostra come utilizzare il pacchetto caTools<\/strong> in R per dividere il set di dati iris in un set di training e un set di testing, utilizzando il 70% delle righe come set di training e il restante 30% come set di testing:<\/span><\/p>\n Dal risultato possiamo vedere:<\/span><\/p>\n Il codice seguente mostra come utilizzare il pacchetto caTools<\/strong> in R per dividere il set di dati iris in un set di training e un set di testing, utilizzando il 70% delle righe come set di training e il restante 30% come set di testing:<\/span><\/p>\n Dal risultato possiamo vedere:<\/span><\/p>\n Tieni presente che questi set di training e test contengono una colonna “id” aggiuntiva che abbiamo creato.<\/span><\/p>\n Assicurati di non utilizzare questa colonna (o di rimuoverla completamente dai frame di dati) quando regoli l’algoritmo di machine learning.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre operazioni comuni in R:<\/span><\/p>\n Come calcolare MSE in R<\/a> Spesso, quando adattiamo gli algoritmi di machine learning ai set di dati, prima dividiamo il set di dati in un set di addestramento e un set di test. Esistono tre modi comuni per suddividere i dati in set di training e test in R: Metodo 1: utilizzare Base R #make this example reproducible set. seeds […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n #make this example reproducible\n<\/span>set. seeds<\/span> (1)\n\n#use 70% of dataset as training set and 30% as test set\n<\/span>sample <- sample(c( TRUE<\/span> , FALSE<\/span> ), nrow(df), replace= TRUE<\/span> , prob=c( 0.7<\/span> , 0.3<\/span> ))\ntrain <- df[sample, ]\ntest <- df[!sample, ]<\/strong><\/pre>\n library<\/span> (caTools)<\/span>\n\n#make this example reproducible\n<\/span>set. seeds<\/span> (1)\n\n#use 70% of dataset as training set and 30% as test set\n<\/span>sample <- sample. split<\/span> (df$any_column_name, SplitRatio = 0.7<\/span> )\ntrain <- subset(df, sample == TRUE<\/span> )\ntest <- subset(df, sample == FALSE<\/span> )<\/strong><\/pre>\n library<\/span> (dplyr)<\/span>\n\n#make this example reproducible\n<\/span>set. seeds<\/span> (1)\n\n#create ID column\n<\/span>df$id <- 1:nrow(df)\n\n#use 70% of dataset as training set and 30% as test set<\/span>\ntrain <- df %>% dplyr::sample_frac( 0.70<\/span> )\ntest <- dplyr::anti_join(df, train, by = ' id<\/span> ')<\/strong><\/pre>\n Esempio 1: dividere i dati in set di training e test utilizzando Base R<\/strong><\/span><\/h3>\n
#load iris dataset\n<\/span>data(iris)\n\n#make this example reproducible\n<\/span>set. seeds<\/span> (1)\n\n#Use 70% of dataset as training set and remaining 30% as testing set\n<\/span>sample <- sample(c( TRUE<\/span> , FALSE<\/span> ), nrow(iris), replace= TRUE<\/span> , prob=c( 0.7<\/span> , 0.3<\/span> ))\ntrain <- iris[sample, ]\ntest <- iris[!sample, ]\n\n#view dimensions of training set\n<\/span>sun(train)\n\n[1] 106 5\n\n#view dimensions of test set\n<\/span>dim(test)\n\n[1] 44 5<\/strong><\/pre>\n\n
#view first few rows of training set\n<\/span>head(train)\n\n Sepal.Length Sepal.Width Petal.Length Petal.Width Species\n1 5.1 3.5 1.4 0.2 setosa\n2 4.9 3.0 1.4 0.2 setosa\n3 4.7 3.2 1.3 0.2 setosa\n5 5.0 3.6 1.4 0.2 setosa\n8 5.0 3.4 1.5 0.2 setosa\n9 4.4 2.9 1.4 0.2 setosa\n<\/strong><\/pre>\n Esempio 2: dividere i dati in set di training e test utilizzando caTools<\/strong><\/span><\/h3>\n
library<\/span> (caTools)<\/span>\n\n#load iris dataset\n<\/span>data(iris)\n\n#make this example reproducible\n<\/span>set. seeds<\/span> (1)\n\n#Use 70% of dataset as training set and remaining 30% as testing set\n<\/span>sample <- sample. split<\/span> (iris$Species, SplitRatio = 0.7<\/span> )\ntrain <- subset(iris, sample == TRUE<\/span> )\ntest <- subset(iris, sample == FALSE<\/span> )\n\n#view dimensions of training set\n<\/span>sun(train)\n\n[1] 105 5\n\n#view dimensions of test set\n<\/span>dim(test)\n\n[1] 45 5<\/strong><\/pre>\n\n
Esempio 3: dividere i dati in set di training e test utilizzando dplyr<\/strong><\/span><\/h3>\n
library<\/span> (dplyr)<\/span>\n\n#load iris dataset\n<\/span>data(iris)\n\n#make this example reproducible\n<\/span>set. seeds<\/span> (1)\n\n#create variable ID\n<\/span>iris$id <- 1:nrow(iris)\n\n#Use 70% of dataset as training set and remaining 30% as testing set<\/span> \ntrain <- iris %>% dplyr::sample_frac( 0.7<\/span> )\ntest <- dplyr::anti_join(iris, train, by = ' id<\/span> ')\n\n#view dimensions of training set\n<\/span>sun(train)\n\n[1] 105 6\n\n#view dimensions of test set\n<\/span>dim(test)\n\n[1] 45 6\n<\/strong><\/pre>\n\n
Risorse addizionali<\/strong><\/span><\/h3>\n
Come calcolare l’RMSE in R<\/a>
Come calcolare l’R quadrato corretto in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"