我对R语言还不太熟练，但我有一个问题。我有一个数据集（包含1593个观测值），其中包括一个字符类型变量，里面有多个字符串，还有一个因子变量，有两个层次 – 0和1 – 对应于每个字符串。为了进行分类，我希望将这个数据集的75%作为测试样本，25%作为训练样本，但同时希望在测试和训练样本中保持0的比例相同。有没有办法做到这一点？
这是我数据集的结构
data.frame': 1593 obs. of 6 variables: $ match_id: int 0 0 0 0 0 0 0 0 0 0 ... $ Binary : Factor w/ 2 levels "0","1": 1 1 1 1 1 1 1 1 1 2 ... $ key : chr "force it" "space created" "hah" "ez 500" ...注意：我实际上是按照Brett Lantz的《Machine Learning with R》一书中的代码进行操作，并将其应用到我的数据集上。我希望在我的数据集中实现书中描述的这个部分：
To confirm that the subsets are representative of the complete set of SMS data, let'scompare the proportion of spam in the training and test data frames:> prop.table(table(sms_raw_train$type))ham spam0.8647158 0.1352842> prop.table(table(sms_raw_test$type))ham spam0.8683453 0.1316547Both the training data and test data contain about 13 percent spam. This suggeststhat the spam messages were divided evenly between the two datasets.感谢任何帮助
回答：
createDataPartition()函数来自caret包，通常用于此目的，例如：
library(caret)set.seed(300)trainIndex <- createDataPartition(iris$Species, p = .75, list = FALSE, times = 1)irisTrain <- iris[ trainIndex,]irisTest <- iris[-trainIndex,]str(irisTrain)>'data.frame': 114 obs. of 5 variables:> $ Sepal.Length: num 5.1 4.9 4.7 5 5.4 4.6 5 4.4 5.4 4.8 ...> $ Sepal.Width : num 3.5 3 3.2 3.6 3.9 3.4 3.4 2.9 3.7 3.4 ...> $ Petal.Length: num 1.4 1.4 1.3 1.4 1.7 1.4 1.5 1.4 1.5 1.6 ...> $ Petal.Width : num 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.2 0.2 ...> $ Species : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 >...str(irisTest)>'data.frame': 36 obs. of 5 variables:> $ Sepal.Length: num 4.6 4.9 5.1 5.1 4.6 4.8 5.2 5.5 5.5 5.1 ...> $ Sepal.Width : num 3.1 3.1 3.5 3.8 3.6 3.1 4.1 4.2 3.5 3.8 ...> $ Petal.Length: num 1.5 1.5 1.4 1.5 1 1.6 1.5 1.4 1.3 1.9 ...> $ Petal.Width : num 0.2 0.1 0.3 0.3 0.2 0.2 0.1 0.2 0.2 0.4 ...> $ Species : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 >...prop.table(table(irisTrain$Species))> setosa versicolor virginica > 0.3333333 0.3333333 0.3333333 prop.table(table(irisTest$Species))> setosa versicolor virginica > 0.3333333 0.3333333 0.3333333 这提供了伪随机的分层抽样，将数据分成训练和测试组，这是我在自己工作中使用的做法。
