[問題類型]: 程式諮詢(我想用R 做某件事情，但是我不知道要怎麼用R 寫出來) [軟體熟悉度]: 入門(寫過其他程式，只是對語法不熟悉) [問題敘述]: 透過logit model，用各個商品的屬性及是否閱讀商品評論，預測消費者會購買哪種商品 為了實作predit()要分割資料集 已知caret package的createDataPartition能將訓練與測試集的商品依比例平均分布 但資料集為long format，每四列為一個單位（一個受測者產生四列資料，為四個商品） 使用createDataPartition後，資料被打散了，不再是每四列為一單位 該如何保持資料每四列一個單位，但訓練與測試集中的商品還是可以按比例分布呢？ ps被購買的商品比例本來就不平均，但希望訓練集與測試集的比例相同，例如10:5:2:1 [程式範例]: 共有432名受測者，1728列資料，long format資料集如圖 http://imgur.com/pWhvNCF 各商品被購買的比例大約為 HighJ HighU LowJ LowU 272 80 60 20 library(caret) Train <- createDataPartition(mydata$purchase, p=0.6, list=FALSE) training <- mydata[ Train, ] testing <- mydata[ -Train, ] 照上述程式碼跑無錯誤訊息，但是資料被打散 推測可能是用來取index的mydate$purchase有問題，不知道該怎麼改才好@@ [環境敘述]: R version: 3.2.3 (2015-12-10) Platform: x86_64-w64-mingw32 Running under: Windows >= 10 [關鍵字]: --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.240.104.195 ※ 文章網址: https://webptt.com/m.aspx?n=bbs/R_Language/M.1498038223.A.AC3.html 感謝回覆！我試做之後好像有點錯誤，可以指正一下嗎>"< # 解讀為從1728筆中，取出260個數字當作train_id sample(nrow(mydata)/4, 260) newdata <- mydata[ "subject_id" %in% "train_id" ] 不太確定%in%的用法，google一直忽略%所以查不到...... 所以第二行還不太理解，直接照打後發現如果不加 " " 會出現下述錯誤 Error in match(x, table, nomatch = 0L) : object 'subject_id' not found 沒有error順利跑完後，newdata有1728obs. of 0 variables 請問有哪裡做錯了嗎QAQ ※ 編輯: shirley7483 (111.240.104.195), 06/21/2017 18:35:13 抱歉我估狗%in% r，出現一堆XXX in R的資料，原來放前後順序搜尋有差，學到了！ 也感謝提醒?`%in%`，原來符號前後面要加`，難怪我一直出現error... 重新理解後做了修正，感覺很接近需求了，只是這次又出現一些問題 train_id <- sample(nrow(mydata)/4,260, replace = FALSE) length(train_id) #確定真的有取出260個數字做為train_id mydata$train <- mydata$subject_id %in% train_id #新增欄位放比對後的True/False traindata <- mydata[mydata$train == TRUE, ] #有train==TRUE那列放到新dataframe 正常來說，traindata應該要有260*4=1040筆 但traindata只有900多筆，而且每次做數量都不同...好困惑啊 再麻煩各位協助了>"< ※ 編輯: shirley7483 (111.240.104.195), 06/21/2017 19:55:27 ※ 編輯: shirley7483 (111.240.104.195), 06/21/2017 20:00:48 抱歉！！！ 上述程式沒有問題，能夠成功取出1040筆資料 是我原始資料中的編號出錯，改正後已解決 感謝各位的協助，讓我成功可以繼續下一步 m(_ _)m ※ 編輯: shirley7483 (111.240.104.195), 06/21/2017 20:20:07 ※ 編輯: shirley7483 (111.240.104.195), 06/22/2017 08:34:06