使用R语言fifer包进行分层采样

使用R语言fifer包中的stratified()函数用来进行分层采样非常方便,但fifer包已经从CRAN存储库中删除,需要从存档中下载可用的历史版本,下载链接:Index of /src/contrib/Archive/fifer (r-project.org)https://cran.r-project.org/src/contrib/Archive/fifer/

随后下载devtools包用以辅助安装和管理R包:

R 复制代码
install.packages("devtools")

devtools包安装完成,然后将fifer包解压并放到R语言安装路径中的library文件夹里,随后在终端输入以下代码并修改成自己的安装路径:

R 复制代码
devtools::install_local("C:/Program Files/R/R-4.3.2/library/fifer",force = TRUE)

随后使用R自带的iris数据集进行测试:

R 复制代码
iris.df <- data.frame(iris)
#建立iris的子集检索,并进行随机采样
sample.index <- sample(1:nrow(iris.df), nrow(iris) * 0.75,
                       replace = FALSE)
#把replace设置为FALSE,这样就不会重复抽取到该列数据

在Environment栏及终端查看irisa数据与随机抽选出来的数据:

R 复制代码
> head(iris[sample.index, ])
       Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
146          6.7         3.0          5.2         2.3  virginica
56           5.7         2.8          4.5         1.3 versicolor
131          7.4         2.8          6.1         1.9  virginica
65           5.6         2.9          3.6         1.3 versicolor
71           5.9         3.2          4.8         1.8 versicolor
16           5.7         4.4          1.5         0.4     setosa

查看iris数据集的数据分布情况:

R 复制代码
> summary(iris)
  Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
 Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
 1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
 Median :5.800   Median :3.000   Median :4.350   Median :1.300  
 Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
 3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
 Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
       Species  
 setosa    :50  
 versicolor:50  
 virginica :50 

使用stratified()函数进行分层采样,针对iris数据集中方差最小的特征Sepal.Width和Petal.Width,选取70%采样:

R 复制代码
> summary(stratified(iris, c("Sepal.Width", "Petal.Width"), 0.7))
  Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
 Min.   :4.400   Min.   :2.000   Min.   :1.000   Min.   :0.100  
 1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
 Median :5.800   Median :3.000   Median :4.250   Median :1.300  
 Mean   :5.861   Mean   :3.053   Mean   :3.804   Mean   :1.222  
 3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.125   3rd Qu.:1.800  
 Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
       Species  
 setosa    :37  
 versicolor:38  
 virginica :41 

最后编写函数,按照给定的随机初始数字依次选择每个第n行,用以系统采样:

R 复制代码
> sys.sample = function(N, n) {
+     k = ceiling(N/n)
+     r = sample(1:k, 1)
+     sys.samp = seq(r, r+k*(n-1), k)
+ }
#Windows环境下的RStudio终端可以使用Shift+Enter换行
> systematic.index <- sys.sample(nrow(iris), nrow(iris) * 0.75)
> summary(iris[systematic.index, ])
  Sepal.Length    Sepal.Width     Petal.Length   Petal.Width  
 Min.   :4.300   Min.   :2.200   Min.   :1.10   Min.   :0.10  
 1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.55   1st Qu.:0.35  
 Median :5.700   Median :3.000   Median :4.20   Median :1.30  
 Mean   :5.847   Mean   :3.051   Mean   :3.74   Mean   :1.18  
 3rd Qu.:6.400   3rd Qu.:3.250   3rd Qu.:5.10   3rd Qu.:1.80  
 Max.   :7.900   Max.   :4.400   Max.   :6.70   Max.   :2.50  
 NA's   :37      NA's   :37      NA's   :37     NA's   :37    
       Species  
 setosa    :25  
 versicolor:25  
 virginica :25  
 NA's      :37 
相关推荐
阿水实证通15 分钟前
当政策效应跨越行政边界:空间溢出下 DID 的识别与估计
r语言·因果推断·计量经济学·双重差分·空间溢出·政策评估
WiKiLeaks_successor5 天前
R_day3(DataType:matrix)
r语言
喵本喵叁肆7 天前
Rényi 差分隐私:把隐私损失看成一族矩(英文原题:Rényi Differential Privacy (CSF 2017))
开发语言·r语言
电科_银尘12 天前
【深度学习项目实战·17】行人目标检测:用Faster R-CNN找出图片中的行人
深度学习·目标检测·r语言
Biotree_202521 天前
实验谱库检索不再是唯一答案:AIMe依托预测质谱空间,实现小分子MS²全域注释检索
r语言
Canmag 兴隆磁性24 天前
回复磁导率 μ_R:永磁体在动态磁路中的关键参数
开发语言·学习·r语言·永磁材料·充磁·磁导率
临床数据科学和人工智能兴趣组1 个月前
提取匹配模式的第一个值
人工智能·r语言·1024程序员节·r语言-4.2.1·临床试验·临床科研·科学问题
临床数据科学和人工智能兴趣组1 个月前
在数据分析和处理过程中,字符串的操作常常扮演着极其重要的角色。R语言内置了多种功能强大的字符串处理函数,gsub() 就是其中之一
数据分析·r语言·r语言-4.2.1·临床研究·临床试验·临床科研
dfjdkfahkjd1 个月前
开源项目吐槽大会:技术文章大纲
r语言
爱读书的小胖1 个月前
Codewars:Last digit of a large number(C)解题分析
c语言·开发语言·r语言