我有一个名为df1的数据框，它将用于machine learning分析。

根据目标变量(Attrition)，数据框df1中YES:NO的比例为60:40

我需要从df1重新创建一个新的数据框，使得Yes/No的目标变量变成50:50

我的挑战在于，我希望在新的数据框中保留Attrition=NO的所有记录（即df1的40%），并且希望R随机从df1中Attrition=YES的记录中抽取剩余的50%。

假设我的新数据框将被称为df2，我该如何做呢？

回答：

首先，60:40并不算是不平衡的。

但是，您可以使用caret包中的函数：

library(caret)set.seed(123)# 这会对多数类进行下采样df2 <- downSample(x = df1[, -which(colnames(df1)=="Attrition")],                          y = df1$Attrition)# 这会对少数类进行上采样df2 <- upSample(x = df1[, -which(colnames(df1)=="Attrition")], # 假设Attrition是df1中的最后一列                          y = df1$Attrition)

更多信息请参见这里。