如何在r中随机划分数据集

Question

我有一个大约连续50天的数据集。我想把它分为训练和测试数据集，这样一周中每5天都在训练集中，一周中有2天在测试集中。

测试集的2天应随机选择。不总是这样，例如选择前两天。

我怎么能那样做？

在R中有这个函数吗？目前，这就是我将数据划分为训练集和测试集的方式，但这样做可能会使测试和训练数据时间非常接近，因此总是产生非常高的MSR值。

set.seed(100)
train <- sample(nrow(dataset1), 0.7 * nrow(dataset1), replace = FALSE)
TrainSet <- dataset1[train,]
#scale (TrainSet, center = TRUE, scale = TRUE)
ValidSet <- dataset1[-train,]
#scale (ValidSet, center = TRUE, scale = TRUE)
summary(TrainSet)
summary(ValidSet)

示例数据：

data
#            timestamp var1  var2  var3 var5
#1 2018-07-20 13:40:00   12  0.00 30.12   10
#2 2018-07-20 13:45:00   12  0.10 10.15   10
#3 2018-07-20 13:50:00    2 11.00 19.22   17
#4 2018-07-20 13:55:00   22  3.05 23.31    3
dput(data)
structure(list(timestamp = c("2018-07-20 13:50:00", "2018-07-20 13:52:00", 
"2018-07-20 13:54:00", "2018-07-20 13:56:00"), var1 = c(12, 12, 
2, 22), var2 = c(0, 0.1, 11, 3.05), var3 = c(30.12, 10.15, 19.22, 
23.31), var5 = c(10L, 10L, 17L, 3L)), class = "data.frame", row.names = c(NA, 
-4L))

Answer 1

这是一个如何对等数据进行分区的示例

set.seed(42)
days_of_the_week <- letters[1:7]
df <- data.frame(day = days_of_the_week, value = rnorm(105))
train_days <- sample(unique(df$day), 2)
test_days <- setdiff(df$day, train_days)
test_data <- df[df$day %in% test_days, ]
train_data <- df[df$day %in% train_days, ]