提问人：Andrew 提问时间：5/12/2021 更新时间：5/13/2021 访问量：1014
整洁模型initial_split函数如何处理连续的地层变量？
How does tidymodels initial_split function deal with a strata variable that is continuous?
问：
使用 R 数据集菱形，我想知道 initial_split 函数如何对连续变量“x”进行分层，以便创建测试和训练集？即initial_split（钻石，概率=0.8，地层=x）。 我读到连续数据“x”按顺序分成箱，但我不知道有多少个箱，或者用户是否可以设置箱的数量？
答：
3赞
EmilHvitfeldt
5/13/2021
#1
initial_split（） 在对连续变量进行分层时使用的中断数由参数指定。 默认为 4 个箱。breaksbreaks
library(rsample)
library(ggplot2)
data("diamonds")
initial_split(diamonds, strata = x, breaks = 4)
#> <Analysis/Assess/Total>
#> <40453/13487/53940>
在引擎盖下发生的事情是用于创建一个因子变量，然后用于分层。因子变量将基于百分位数创建，以确保地层的大小大致一致。make_strata()
table(make_strata(diamonds$x, breaks = 4))
#>
#> [0,4.71] (4.71,5.7] (5.7,6.54] (6.54,10.7]
#> 13521 13665 13379 13375
table(make_strata(diamonds$x, breaks = 10))
#>
#> [0,4.36] (4.36,4.54] (4.54,4.82] (4.82,5.23] (5.23,5.7] (5.7,6.08]
#> 5774 5032 5394 5463 5523 5186
#> (6.08,6.42] (6.42,6.7] (6.7,7.31] (7.31,10.7]
#> 5407 5429 5458 5274
评论