用r语言写10000个数据的训练集和测试集的划分

可以使用R中的`caret`包中的`createDataPartition`函数来实现训练集和测试集的划分。具体步骤如下：

1. 加载`caret`包

library(caret)

2. 创建一个包含10000个样本的数据集，假设数据集名称为`data`

data <- data.frame(matrix(rnorm(100000), nrow = 10000))

3. 使用`createDataPartition`函数来进行训练集和测试集的划分，其中`p`参数指定测试集所占的比例，`times`参数指定划分的次数。

set.seed(123)
train_indexes <- createDataPartition(data$V1, p = 0.7, times = 1)
train_data <- data[train_indexes$Resample1, ]
test_data <- data[-train_indexes$Resample1, ]

这段代码将数据集按照70%的比例划分为训练集和测试集，并将训练集和测试集分别存储在`train_data`和`test_data`中。其中`set.seed(123)`是为了设置随机数种子，保证每次运行代码得到的结果一致。

注意，如果你想要进行多次划分并且每次划分的结果不同，可以将`times`参数设置为大于1的值。