Создание раздела данных в R

Question

С caret пакета, при создании разделов данных 75% обучения и 25% теста, мы используем:

inTrain<- createDataPartition(y=spam$type,p=0.75, list=FALSE) 

Примечание: набор данных называется spam и целевой переменной называется type

Мой вопрос: в чем заключается цель включения аргумента y=spam$type?

Разве не цель создания разделов данных просто для разделения всего набора данных на основе пропорции, необходимой для обучения и тестирования? Почему существует необходимость включить этот аргумент в код?

Answer 1

Я предположил, что рассматриваемый createDataPartition() относится к пакету каретки.

Если аргумент sample$type является фактором, который, как правило, имеет место, случайная выборка происходит внутри каждого класса.

Еще несколько объяснений: например, если бы мы разделили набор данных iris в той же пропорции, что и в вашем вопросе.

attach(iris) 
summary(iris) 

обратите внимание на цифры по каждому виду. Теперь, используя следующую команду:

library(caret) 
inTrain <- createDataPartition(y=Species, p=0.75, list=FALSE) 

inTrain бы приблизительно 75% строк из каждого вида, которые могут быть проверены с помощью следующей команды:

summary(iris[inTrain,]) 

Есть 50 видов в каждой категории, и 38 (приблизительно 75%) были выбраны случайным образом для набора данных обучения.