異なる割合のランダムな層別サンプリング

Question

私は80/20のトレーニングとテストセットでデータセットを分割しようとしています。私は場所によって分割しようとしていますが、これは4レベルの要素ですが、各レベルは等しくサンプリングされていません。 172
LOCATION2：615
がLocation3：603
Location4：502

私はまた、前述したように、全体のデータセット80/20を分割しようとしたが、午前

位置1 - 1892個のサンプルのうち、各場所を80/20に分割して、訓練とテストの各セットから均等な割合を得るようにしてください。私はこれについてstratifiedの機能を使用してsplitstackshapeパッケージの1つの投稿を見ましたが、私の要素を分割したくないようです。

x <- c(1, 2, 3, 4, 1, 3, 7, 4, 5, 7, 8, 9, 4, 6, 7, 9, 7, 1, 5, 6)
xx <- c("A", "A", "B", "B", "B", "B", "B", "B", "B", "C", "C", "C", "C", "C", "C", "D", "D", "D", "D", "D")
df <- data.frame(x, xx)
validIndex <- stratified(df, "xx", size=16/nrow(df))
valid <- df[-validIndex,]
train <- df[validIndex,]

A、B、C、- ここ

を簡略化再現性の例でありますは、実際のデータセットの概算比率（それぞれ〜10,32,32,26％）の

Answer 1

に対応しています。bothSetsを使用すると、元のデータフレームを検証とトレーニングに分割したリストが返されますセット（その組合は、元のデータフレームでなければなりません）：

splt <- stratified(df, "xx", size=16/nrow(df), replace=FALSE, bothSets=TRUE) 
valid <- splt[[1]] 
train <- splt[[2]] 

## check 
df2 <- as.data.frame(do.call("rbind",splt)) 
all.equal(df[with(df, order(xx, x)), ], 
      df2[with(df2, order(xx, x)), ], 
      check.names=FALSE)