嘿，我来帮你搞定这个问题！你反复遇到的Error: object 'wisc_bc_data_test' not found报错，根源很简单——你在创建训练集和测试集的时候，错误地引用了还未定义的对象。

问题出在哪？ #

看你这段代码：

wisc_bc_data_train <- wisc_bc_data_train[train_ind, ]
wisc_bc_data_test <- wisc_bc_data_test[-train_ind, ]

你试图从wisc_bc_data_train和wisc_bc_data_test里提取行，但这两个对象在你写这行代码之前根本不存在！R自然找不到它们，所以报错。正确的做法应该是从你已有的原始数据集wisc_bc_data中提取数据来创建训练集和测试集。

修正后的完整代码 #

你前面的拆分比例计算和随机种子设置都是对的，只需要修改最后两行：

# 计算训练集大小（70%的数据）
data_split <- floor(0.7 * nrow(wisc_bc_data))
# 设置随机种子保证结果可复现
set.seed(123)
# 随机抽取训练集的行索引
train_ind <- sample(seq_len(nrow(wisc_bc_data)), size = data_split)

# 从原始数据集提取训练集和测试集（关键修正！）
wisc_bc_data_train <- wisc_bc_data[train_ind, ]
wisc_bc_data_test <- wisc_bc_data[-train_ind, ]

额外小提示 #

如果你以后经常需要拆分数据集，可以试试caret包的createDataPartition函数，它会更智能地保持分类变量的分布（比如这个乳腺癌数据集的诊断标签）：

# 先安装并加载caret包（如果没装过的话）
# install.packages("caret")
library(caret)

set.seed(123)
# 假设诊断列是diagnosis，按这个列分层抽样
train_ind <- createDataPartition(wisc_bc_data$diagnosis, p = 0.7, list = FALSE)
wisc_bc_data_train <- wisc_bc_data[train_ind, ]
wisc_bc_data_test <- wisc_bc_data[-train_ind, ]

内容的提问来源于stack exchange，提问作者John Darroch