我有一个数据集，打算将其分割为training set（训练集）和testing set（测试集），用于machine learning（机器学习）分析，使用R语言进行处理。

假设我的数据集（称为MyDataset）基于目标变量（称为Leaver）的比例为Yes（60%）和No（40%），我如何确保分割后在训练集和测试集中保持这一比例？

回答：

你想要进行的是数据集的分层分割。你可以使用caret包中的createDataPartition函数来实现这一点。确保你的Leaver变量被设置为因子类型。

请看下面的代码示例。

library(caret)data(GermanCredit)prop.table(table(GermanCredit$Class)) Bad Good  0.3  0.7 index <- createDataPartition(GermanCredit$Class, p = 0.6, list = FALSE)# trainprop.table(table(GermanCredit$Class[index])) Bad Good  0.3  0.7 #testprop.table(table(GermanCredit$Class[-index])) Bad Good  0.3  0.7