R语言实现分层抽样(Stratified Sampling)以iris数据集为例

R语言实现分层抽样(Stratified Sampling)以iris数据集为例

1.观察数据集

head(iris)

 
选取数据集中前6个数据，我们可以看出iris数据集一共有5个字段。

dim(iris)

 
iris数据集一共有150条数据，5个字段

summary(iris)

 
观察各个变量的内容，可以看出前四个变量（Sepal.Length Sepal.Width Petal.Length Petal.Width）都是定量变量，而最后一个（Species）是定性变量，我们将依据最后一个变量作为分层抽样的依据。

library(sampling)

载入分层抽样的包sampling

n=round(3/5*nrow(iris)/3)

计算每一个种类的抽样数目。这里我们按照每种“Species”抽取3/5个样本进行抽样。

sub_train=strata(iris,stratanames=("Species"),size=rep(n,3),method="srswor")
head(sub_train)

stratanames参数是抽样依据的变量，size参数是每个种类抽样的数目，这里我们用上一步计算出来的n作为抽样数目，method是抽样方法，我们选择srswor。

data_train=iris[sub_train$ID_unit,]
data_test=iris[-sub_train$ID_unit,]

将抽样结果分别定义为训练集（data_train）和测试集（data_test)。

dim(data_train);dim(data_test)

 
观察训练集和测试集的字段和数据数目。符合我们的抽样预期。

head(data_train);head(data_test)

 
观察训练集和测试集的前几条数据。

data_train；data_test

查看总的抽样结果，这里数据量太大不再给出。

write.csv(data_train,"C:/Users/cnrozh/Desktop/iris_data_train.csv")
write.csv(data_test,"C:/Users/cnrozh/Desktop/iris_data_test.csv")

保存数据集