[问题类型]: 程式谘询(我想用R 做某件事情，但是我不知道要怎麽用R 写出来) [软体熟悉度]: 入门(写过其他程式，只是对语法不熟悉) [问题叙述]: 透过logit model，用各个商品的属性及是否阅读商品评论，预测消费者会购买哪种商品 为了实作predit()要分割资料集 已知caret package的createDataPartition能将训练与测试集的商品依比例平均分布 但资料集为long format，每四列为一个单位（一个受测者产生四列资料，为四个商品） 使用createDataPartition後，资料被打散了，不再是每四列为一单位 该如何保持资料每四列一个单位，但训练与测试集中的商品还是可以按比例分布呢？ ps被购买的商品比例本来就不平均，但希望训练集与测试集的比例相同，例如10:5:2:1 [程式范例]: 共有432名受测者，1728列资料，long format资料集如图 http://imgur.com/pWhvNCF 各商品被购买的比例大约为 HighJ HighU LowJ LowU 272 80 60 20 library(caret) Train <- createDataPartition(mydata$purchase, p=0.6, list=FALSE) training <- mydata[ Train, ] testing <- mydata[ -Train, ] 照上述程式码跑无错误讯息，但是资料被打散 推测可能是用来取index的mydate$purchase有问题，不知道该怎麽改才好@@ [环境叙述]: R version: 3.2.3 (2015-12-10) Platform: x86_64-w64-mingw32 Running under: Windows >= 10 [关键字]: --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 111.240.104.195 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1498038223.A.AC3.html 感谢回覆！我试做之後好像有点错误，可以指正一下吗>"< # 解读为从1728笔中，取出260个数字当作train_id sample(nrow(mydata)/4, 260) newdata <- mydata[ "subject_id" %in% "train_id" ] 不太确定%in%的用法，google一直忽略%所以查不到...... 所以第二行还不太理解，直接照打後发现如果不加 " " 会出现下述错误 Error in match(x, table, nomatch = 0L) : object 'subject_id' not found 没有error顺利跑完後，newdata有1728obs. of 0 variables 请问有哪里做错了吗QAQ ※ 编辑: shirley7483 (111.240.104.195), 06/21/2017 18:35:13 抱歉我估狗%in% r，出现一堆XXX in R的资料，原来放前後顺序搜寻有差，学到了！ 也感谢提醒?`%in%`，原来符号前後面要加`，难怪我一直出现error... 重新理解後做了修正，感觉很接近需求了，只是这次又出现一些问题 train_id <- sample(nrow(mydata)/4,260, replace = FALSE) length(train_id) #确定真的有取出260个数字做为train_id mydata$train <- mydata$subject_id %in% train_id #新增栏位放比对後的True/False traindata <- mydata[mydata$train == TRUE, ] #有train==TRUE那列放到新dataframe 正常来说，traindata应该要有260*4=1040笔 但traindata只有900多笔，而且每次做数量都不同...好困惑啊 再麻烦各位协助了>"< ※ 编辑: shirley7483 (111.240.104.195), 06/21/2017 19:55:27 ※ 编辑: shirley7483 (111.240.104.195), 06/21/2017 20:00:48 抱歉！！！ 上述程式没有问题，能够成功取出1040笔资料 是我原始资料中的编号出错，改正後已解决 感谢各位的协助，让我成功可以继续下一步 m(_ _)m ※ 编辑: shirley7483 (111.240.104.195), 06/21/2017 20:20:07 ※ 编辑: shirley7483 (111.240.104.195), 06/22/2017 08:34:06