训练集与测试集
x为输入变量，y为输出变量。利用训练集中的x,y建立模型。
将测试集中的x带入模型，来预测测试集目标输出变量y的值，设为y’，将训练集的x带入模型，来预测训练集目标输出变量y的值，设为y’’。那么y’’与y的误差评价了模型的拟合程度，即自己对自己的契合程度；而y’与y的误差则评价了模型的推广程度，即与别人的契合程度。当我们说一个模型相对较好时，往往指该模型的拟合程度和推广程度综合最优。
用到的软件包及函数：
| 软件包 | 函数 | 函数意义 |
|---|---|---|
| base(无需加载，默认含有) | sample() | 简单随机抽样 |
| Sampling(需下载) | stratr() | 分层抽样 |
| Sampling(需下载) | cluster() | 整群抽样 |
简单随机抽样
常选取70%的客户（数据）用于调研（建模），剩下30%用来测试。
用set.seed()这个函数设置随机种子，随机数的产生需要有一个随机的种子，因为用计算机产生的随机数是通过递推的方法得来的，必须有一个初始值。用同一台电脑，且在初始值和递推方法相同的情况下，可以产生相同的随机序列。 set.seed(100)， set.seed(100)， set.seed(33)，前两组产生的样本相同。
clients<-read.csv(“clients.csv”)
set.seed(100)
select<-sample(1:nrow(clients),length(clients$client_id)*0.7,
replace=FALSE) #默认replace=FALSE不放回抽样
train_clinet<-clients[select,] #选取训练集数据
test_clinet<-clients[-select,] #剩下的测试集数据
附：
sample(x, size, replace = FALSE, prob =NULL)
x: 带抽取对象
size: 想要抽取的样本数量
replace: 是否为有放回，默认为FALSE，即无放回
prob: 设置个抽取样本的抽样概率，默认为无取值，即等概率抽样
分层抽样
按照变量bad_ind做分层抽样，
accepts <- read.csv(“accepts.csv”)
library(sampling)
fc<-prop.table(table(acceptsKaTeX parse error: Expected 'EOF', got '#' at position 32: … #̲计算各层的占比 n<-roun…bad_ind) #查看抽样结果是否正确
select<-getdata(accepts,sample_accepts_stra) #得到抽样数据
train<-accepts[selectKaTeX parse error: Expected 'EOF', got '#' at position 40: … #̲整理训练数据集 test<-a…ID_unit,] #从总数据集中减去训练数据集，得到测试数据集
附：
strata(data,stratanames=NULL,size,method=c(“srswor”,”srswr”,”poisson”,”systematic”), pik,description=FALSE)
data: 带抽样数据。
stratanames: 进行分层所依据的变量名称。
size: 各层中要抽出的观测样本数。
method: 选择4中抽样方法，分别为无放回、有放回、泊松、系统抽样，默认为srswor。
pik: 设置各层中样本的抽样概率。
description: 选择是否输出含有各层基本信息的结果。
整群抽样
cluster(data, clustername, size, method=c(“srswor”,“srswr”,“poisson”,“systematic”),
pik,description=FALSE)
clustername: 用来划分群的变量名称
size：需要抽取的群数
