<\/p>\n
Als we machine learning-algoritmen aanpassen aan datasets, verdelen we de dataset vaak eerst in een trainingsset en een testset.<\/span><\/p>\n Er zijn drie veelgebruikte manieren om gegevens op te splitsen in trainings- en testsets in R:<\/span><\/p>\n Methode 1: Gebruik Base R<\/strong><\/span><\/p>\n Methode 2: Gebruik het caTools-pakket<\/strong><\/span><\/p>\n Methode 3: Gebruik het dplyr-pakket<\/strong><\/span><\/p>\n De volgende voorbeelden laten zien hoe u elke methode in de praktijk kunt gebruiken met de ingebouwde irisgegevensset<\/a> in R.<\/span><\/p>\n De volgende code laat zien hoe u de R-basis kunt gebruiken om de irisgegevensset te splitsen in een trainings- en testset, waarbij 70% van de rijen wordt gebruikt als trainingsset en de resterende 30% als testset:<\/span><\/span><\/p>\n Uit het resultaat kunnen we zien:<\/span><\/p>\n Omdat de oorspronkelijke database in totaal 150 rijen had, bevat de trainingsset ongeveer 106\/150 = 70,6% van de oorspronkelijke rijen.<\/span><\/p>\n We kunnen ook de eerste paar rijen van de trainingsset weergeven als we dat willen:<\/span><\/p>\n De volgende code laat zien hoe u het caTools-<\/strong> pakket in R kunt gebruiken om de iris-gegevensset te splitsen in een trainings- en testset, waarbij 70% van de rijen wordt gebruikt als trainingsset en de resterende 30% als testset:<\/span><\/p>\n Uit het resultaat kunnen we zien:<\/span><\/p>\n De volgende code laat zien hoe u het caTools-<\/strong> pakket in R kunt gebruiken om de iris-gegevensset te splitsen in een trainings- en testset, waarbij 70% van de rijen wordt gebruikt als trainingsset en de resterende 30% als testset:<\/span><\/p>\n Uit het resultaat kunnen we zien:<\/span><\/p>\n Houd er rekening mee dat deze trainings- en testsets een extra ‚id‘-kolom bevatten die we hebben gemaakt.<\/span><\/p>\n Zorg ervoor dat u deze kolom niet gebruikt (of volledig uit de dataframes verwijdert) bij het aanpassen van uw machine learning-algoritme.<\/span><\/p>\n In de volgende zelfstudies wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in R uitvoert:<\/span><\/p>\n Hoe MSE in R te berekenen<\/a> Als we machine learning-algoritmen aanpassen aan datasets, verdelen we de dataset vaak eerst in een trainingsset en een testset. Er zijn drie veelgebruikte manieren om gegevens op te splitsen in trainings- en testsets in R: Methode 1: Gebruik Base R #make this example reproducible set. seeds (1) #use 70% of dataset as training set and […]<\/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":[],"class_list":["post-3045","post","type-post","status-publish","format-standard","hentry","category-gids"],"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 Voorbeeld 1: Gegevens opsplitsen in trainings- en testsets met behulp van 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 Voorbeeld 2: Gegevens opsplitsen in trainings- en testsets met behulp van 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$Species, SplitRatio = 0.7<\/span> )\ntrain <- subset(iris, sample == TRUE<\/span> )\ntest <- subset(iris, sample == FALSE<\/span> )\n\n#view dimensions of training set\n<\/span>sun(train)\n\n[1] 105 5\n\n#view dimensions of test set\n<\/span>dim(test)\n\n[1] 45 5<\/strong><\/pre>\n\n
Voorbeeld 3: Gegevens opsplitsen in trainings- en testsets met behulp van dplyr<\/strong><\/span><\/h3>\n
library<\/span> (dplyr)<\/span>\n\n#load iris dataset\n<\/span>data(iris)\n\n#make this example reproducible\n<\/span>set. seeds<\/span> (1)\n\n#create variable ID\n<\/span>iris$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
Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe RMSE in R te berekenen<\/a>
Hoe u het aangepaste R-kwadraat in R kunt berekenen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"