훈련에서 데이터를 분할하는 방법 & #038; r의 테스트 세트(3가지 방법)

종종 기계 학습 알고리즘을 데이터 세트에 적용할 때 먼저 데이터 세트를 훈련 세트와 테스트 세트로 나눕니다.

R에서 데이터를 훈련 세트와 테스트 세트로 분할하는 세 가지 일반적인 방법이 있습니다.

방법 1: 기본 R 사용

 #make this example reproducible
set. seeds (1)

#use 70% of dataset as training set and 30% as test set
sample <- sample(c( TRUE , FALSE ), nrow(df), replace= TRUE , prob=c( 0.7 , 0.3 ))
train <- df[sample, ]
test <- df[!sample, ]

방법 2: caTools 패키지 사용

 library (caTools)

#make this example reproducible
set. seeds (1)

#use 70% of dataset as training set and 30% as test set
sample <- sample. split (df$any_column_name, SplitRatio = 0.7 )
train <- subset(df, sample == TRUE )
test <- subset(df, sample == FALSE )

방법 3: dplyr 패키지 사용

 library (dplyr)

#make this example reproducible
set. seeds (1)

#create ID column
df$id <- 1:nrow(df)

#use 70% of dataset as training set and 30% as test set
train <- df %>% dplyr::sample_frac( 0.70 )
test <- dplyr::anti_join(df, train, by = ' id ')

다음 예에서는 R에 내장된 붓꽃 데이터 세트를 사용하여 실제로 각 방법을 사용하는 방법을 보여줍니다.

예 1: Base R을 사용하여 데이터를 훈련 세트와 테스트 세트로 분할

다음 코드는 R 베이스를 사용하여 붓꽃 데이터 세트를 훈련 세트와 테스트 세트로 분할하고 행의 70%를 훈련 세트로 사용하고 나머지 30%를 테스트 세트로 사용하는 방법을 보여줍니다.

 #load iris dataset
data(iris)

#make this example reproducible
set. seeds (1)

#Use 70% of dataset as training set and remaining 30% as testing set
sample <- sample(c( TRUE , FALSE ), nrow(iris), replace= TRUE , prob=c( 0.7 , 0.3 ))
train <- iris[sample, ]
test <- iris[!sample, ]

#view dimensions of training set
sun(train)

[1] 106 5

#view dimensions of test set
dim(test)

[1] 44 5

결과에서 우리는 다음을 볼 수 있습니다:

• 훈련 세트는 106개의 행과 5개의 열로 구성된 데이터 프레임입니다.
• 테스트는 44행 5열의 데이터 블록입니다.

원본 데이터베이스에는 총 150개의 행이 있으므로 훈련 세트에는 원본 행의 약 106/150 = 70.6%가 포함됩니다.

원하는 경우 훈련 세트의 처음 몇 행을 표시할 수도 있습니다.

 #view first few rows of training set
head(train)

  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
8 5.0 3.4 1.5 0.2 setosa
9 4.4 2.9 1.4 0.2 setosa

예 2: caTools를 사용하여 데이터를 교육 및 테스트 세트로 분할

다음 코드는 R의 caTools 패키지를 사용하여 붓꽃 데이터 세트를 훈련 및 테스트 세트로 분할하고 행의 70%를 훈련 세트로 사용하고 나머지 30%를 테스트 세트로 사용하는 방법을 보여줍니다.

 library (caTools)

#load iris dataset
data(iris)

#make this example reproducible
set. seeds (1)

#Use 70% of dataset as training set and remaining 30% as testing set
sample <- sample. split (iris$Species, SplitRatio = 0.7 )
train <- subset(iris, sample == TRUE )
test <- subset(iris, sample == FALSE )

#view dimensions of training set
sun(train)

[1] 105 5

#view dimensions of test set
dim(test)

[1] 45 5

결과에서 우리는 다음을 볼 수 있습니다:

• 훈련 세트는 105개의 행과 5개의 열로 구성된 데이터 프레임입니다.
• 테스트는 45행 5열의 데이터 블록입니다.

예시 3: dplyr을 사용하여 데이터를 훈련 세트와 테스트 세트로 분할

다음 코드는 R의 caTools 패키지를 사용하여 붓꽃 데이터 세트를 훈련 및 테스트 세트로 분할하고 행의 70%를 훈련 세트로 사용하고 나머지 30%를 테스트 세트로 사용하는 방법을 보여줍니다.

 library (dplyr)

#load iris dataset
data(iris)

#make this example reproducible
set. seeds (1)

#create variable ID
iris$id <- 1:nrow(iris)

#Use 70% of dataset as training set and remaining 30% as testing set 
train <- iris %>% dplyr::sample_frac( 0.7 )
test <- dplyr::anti_join(iris, train, by = ' id ')

#view dimensions of training set
sun(train)

[1] 105 6

#view dimensions of test set
dim(test)

[1] 45 6

결과에서 우리는 다음을 볼 수 있습니다:

• 훈련 세트는 105개의 행과 6개의 열로 구성된 데이터 프레임입니다.
• 테스트는 45행 6열의 데이터 블록입니다.

이러한 학습 및 테스트 세트에는 우리가 만든 추가 “id” 열이 포함되어 있습니다.

기계 학습 알고리즘을 조정할 때 이 열을 사용하지 마십시오(또는 데이터 프레임에서 완전히 제거하십시오).

추가 리소스

다음 튜토리얼에서는 R에서 다른 일반적인 작업을 수행하는 방법을 설명합니다.

R에서 MSE를 계산하는 방법
R에서 RMSE를 계산하는 방법
R에서 조정된 R-제곱을 계산하는 방법