partByFrac={partByFracStatement}

affecte aléatoirement des proportions spécifiées des observations de la table d'entrée aux rôles d'entraînement et de validation. Les observations sont logiquement partitionnées en sous-ensembles disjoints pour l'entraînement, la validation et le test du modèle. Cela peut inclure les options suivantes :
- seed=entier : spécifie la graine à utiliser dans le générateur de nombres aléatoires pour le partitionnement des données.
- test=double : affecte aléatoirement la proportion spécifiée d'observations au rôle de test. La somme des fractions spécifiées dans les paramètres test et validate doit être inférieure à 1.
- validate=double : affecte aléatoirement la proportion spécifiée d'observations au rôle de validation. La somme des fractions spécifiées dans les paramètres test et validate doit être inférieure à 1.