任意の割合で分割したいコレクションがあります。私が解決しようとしている実際の問題は、データセットをトレーニングと相互検証のセットに分割することです。
各要素の宛先はランダムに選択する必要がありますが、各ソース要素は結果に1回だけ表示され、パーティションのサイズは固定されています。ソースコレクションに重複がある場合、重複は異なる出力パーティションまたは同じものに表示される可能性があります。
私はこの実装を持っています:
(defn split-shuffled
"Returns a 2 element vector partitioned by the percentage
specified by p. Elements are selected at random. Each
element of the source collection will appear only once in
the result."
[c p]
(let [m (count c)
idxs (into #{} (take (* m p) (shuffle (range m))))
afn (fn [i x] (if (idxs i) x))
bfn (fn [i x] (if-not (idxs i) x))]
[(keep-indexed afn c) (keep-indexed bfn c)]))
repl> (split-shuffled (range 10) 0.2)
[(4 6) (0 1 2 3 5 7 8 9)]
repl> (split-shuffled (range 10) 0.4)
[(1 4 6 7) [0 2 3 5 8 9)]
しかし、それkeep-indexed
が二度呼ばれるのは不幸です。
これをどのように改善できますか?
編集:私はもともとパーティションの順序を維持したかったのですが、再考せずにその要件を削除したので、@ mikeraのソリューションは正しいです!