R语言如何划分训练集和测试集

在R语言中，有三种常用的方法来划分训练集和测试集。其中一种是使用R内置方法，另外两种是使用caTools包和caret包。下面是三种方法的介绍：
1. 使用R内置方法：可以使用sample函数来随机划分数据集。示例代码如下：

   set.seed(1) # 设置随机种子，使得示例可以重复
   sample <- sample(nrow(df), floor(0.7*nrow(df)), replace = FALSE) # 随机选取70%的数据作为训练集
   train <- df[sample, ] # 训练集
   test <- df[-sample, ] # 测试集

2. 使用caTools包：可以使用sample.split函数来划分数据集。示例代码如下：

   library(caTools)
   set.seed(1) # 设置随机种子，使得示例可以重复
   sample <- sample.split(df$any_column, SplitRatio = 0.7) # 随机选取70%的数据作为训练集
   train <- subset(df, sample == TRUE) # 训练集
   test <- subset(df, sample == FALSE) # 测试集

3. 使用caret包：可以使用createDataPartition函数来划分数据集。示例代码如下：

   library(caret)
   set.seed(1) # 设置随机种子，使得示例可以重复
   index <- createDataPartition(df$target_column, p = 0.7, list = FALSE) # 随机选取70%的数据作为训练集
   train <- df[index, ] # 训练集
   test <- df[-index, ] # 测试集