R语言|数据预处理--1分类时：因变量为数值类型

数据集下载地址： http://www.sigkdd.org/kddcup/index.php?section=1998&method=data

1、因变量为数值类型，转化为分类类型

> cup98$TARGET_D2 <- cut(cup98$TARGET_D, right=F, breaks=c(0, 0.1, 10, 15, 20, 25, 30, 50,max(cup98$TARGET_D)))                 breaks也可以用seq生成breaks=seq(0, 100, by=5)

>table(cup98$TARGET_D2)

[0,0.1)[0.1,10)  [10,15)  [15,20) [20,25)  [25,30)  [30,50) [50,200)

   90569    1132     1378      806     745      435      233     110

 

2、检查采样的结果

检查抽样后的训练集和测试集中的因变量，看其分布与原始数据中的分布时候一致，如果不一致，可是使用分层抽样：

>round(prop.table(table(cup98$TARGET_B)), digits=3)

    0    1

0.949 0.051

>round(prop.table(table(trainData$TARGET_B)), digits=3)

    0    1

0.948 0.052

>round(prop.table(table(testData$TARGET_B)), digits=3)

   0    1

0.95 0.05