为什么不使用rsample引导来维护阶层样本大小？

Question

[在看到joran_关于make_strata()函数的评论后，我向rsample提交了一个http://github.com/tidymodels/rsample/issues/86。]

我试图从数据帧中提取分层的引导样本。我希望在每个层中分别采集引导样本，这样得到的引导样本在每个层中的观测量与原始数据帧相同。但是，在使用bootstraps() rsample包的函数时，并不总是会发生这种情况。当我运行这段代码时：

library(rsample)

mydf <- data.frame(A=1:58, B=rep(1:4, c(6, 6, 23, 23)))
lboots <- bootstraps(mydf, times=3, strata="B")$splits
lbootsdf <- lapply(lboots, as.data.frame)

with(mydf, table(B))
lapply(lbootsdf, function(df) table(df$B))

这些是我得到的结果：

B
 1  2  3  4 
 6  6 23 23 


$`1`
 1  2  3  4 
10  5 20 23 

$`2`
 1  2  3  4 
 3  8 24 23 

$`3`
 1  2  3  4 
 4  5 24 25 

我本想在这三个样品中分别看到6 1，6 2，23 3和23 4。

怎样才能获得我想要的分层引导样本的类型？

Answer 1

这并不使用rsample::bootstraps，而是显式地构造引导示例。

library("dplyr")

splits <- mydf %>%
  crossing(id = seq(2)) %>%
  group_by(id, B) %>%
  sample_n(n(), replace = TRUE) %>%
  ungroup()

lboots$splits[[id]]$data是原始数据的副本。

Answer 2

当我查看lboot对象的"B“组件时，我看到了抽样部分的一致性。

但是:这显然不是乔兰指出的设计。这是一个早期开发的包，因为文档与代码不同步：

maintainer("rsample") 
[1] "Max Kuhn <max@rstudio.com>"

 lboots <- bootstraps(mydf, times=3, strata="B")
 str(lboots)
 table(lboots$splits[['1']]$data$B)

 1  2  3  4 
 6  6 23 23 
> table(lboots$splits[['2']]$data$B)

 1  2  3  4 
 6  6 23 23 
> table(lboots$splits[['3']]$data$B)

 1  2  3  4 
 6  6 23 23 

Answer 3

这看起来不像是在做引导样例，因为您没有估计统计数据的抽样分布。在我看来，您试图做的是使用mydf$A作为地层存储在mydf$B中的数据的分层样本(即，而不是简单的随机样本)。

包dplyr有一个为这个场景构建的函数，sample_frac。

library(dplyr)
mydf <- data.frame(A=1:58, B=rep(1:4, c(6, 6, 23, 23)))
data_grouped_by_stratum <- mydf %>% group_by(mydf$B)
data_sampled_by_stratum <- data_grouped_by_stratum %>% sample_frac(size=1, replace=T)
# Now, a bit of cleanup on the resulting tibble object
df_of_data_sampled_by_stratum <- data_sampled_by_stratum %>% dplyr::ungroup %>% dplyr::select(-`mydf$B`) %>% as.data.frame

在对sample_frac的调用中，size=1意味着每个组中要采样的行的比例为1，即组行的100%。