【问题标题】:Generic Function for K-Fold Cross-Validation In R for Linear Models用于线性模型的 R 中 K 折交叉验证的通用函数
【发布时间】:2021-07-28 21:58:54
【问题描述】:

大家好,我需要帮助解决以下问题。我正在使用 R 语言。

我使用的数据集称为工资,它来自一个名为 library(ISLR) 的包 数据(工资)。

无论如何,我正在尝试开发一个函数,允许我对任何一般线性模型执行 k 折交叉验证。

我正在使用的函数的输入/参数是 function(numberOfFolds, y,x,InputData)

y 是因变量 x 是数据集中的所有其他变量 inputdata 是工资的数据集 numberOfFolds 基本上是 k。

我已经开发了以下代码,但我得到的是 NaN 值。不知道出了什么问题!有人可以帮忙吗

my.k.fold.1<- function(numberOfFolds, y,x,inputData){
  index<-sample(1:numberOfFolds, nrow(inputData), replace = T)
  inputData$index<-index
  
  mse<-vector('numeric', length = numberOfFolds)
  for (n in 1:numberOfFolds) {
    data.train<-inputData[index!=n,]
    data.test<-inputData[index==n,]
    my.equation<-paste(y,paste(x, collapse = '+'),sep='~')
    formula.1<-formula(my.equation)
    model.test<-lm(formula.1, data = data.train)
    predictions<-predict(model.test, newdata=data.test)
    mse[[n]]<-mean((data.test$y-predictions)^2)
  }
  return(mse)
}

my.k.fold.1(numberOfFolds = 5, y='earn', x=c('race', 'sex', 'ed', 'height', 'age'), inputData = wages)

我想保持参数不变,我可以写下 y 和 xs 中的列名

【问题讨论】:

    标签: r linear-regression data-analysis cross-validation k-fold


    【解决方案1】:

    这是因为y变量是一个字符串,所以data.test$y等价于data.test[["y"]]。你应该用data.test[[y]]替换它,相当于data.test$earn if y="earn":

    my.k.fold.1<- function(numberOfFolds, y,x,inputData){
      index<-sample(1:numberOfFolds, nrow(inputData), replace = T)
      inputData$index<-index
      
      mse<-vector('numeric', length = numberOfFolds)
      for (n in 1:numberOfFolds) {
        data.train<-inputData[index!=n,]
        data.test<-inputData[index==n,]
        my.equation<-paste(y,paste(x, collapse = '+'),sep='~')
        formula.1<-formula(my.equation)
        model.test<-lm(formula.1, data = data.train)
        predictions<-predict(model.test, newdata=data.test)
        mse[[n]]<-mean((data.test[[y]]-predictions)^2)
      }
      return(mse)
    }
    

    【讨论】:

      【解决方案2】:

      这是一个通用函数。参数名称是自我描述的。我添加了一个参数verbose,默认为FALSE。
      下面使用内置数据集mtcars进行测试。

      my.k.fold.1 <- function(numberOfFolds, inputData, response, regressors, verbose = FALSE){
        fmla <- paste(regressors, collapse = "+")
        fmla <- paste(response, fmla, sep = "~")
        fmla <- as.formula(fmla)
        index <- sample(numberOfFolds, nrow(inputData), replace = TRUE)
        mse.all <- numeric(numberOfFolds)
        for (n in seq_len(numberOfFolds)) {
          inx <- which(index != n)
          data.training <- inputData[inx, ]
          data.test <- inputData[-inx, ]
          if(verbose){
            msg <- paste("fold:", n, "nrow(training):", nrow(data.training), "nrow(test):", nrow(data.test))
            message(msg)
          }
          model <- lm(fmla, data = data.training)
          predicted <- predict(model, newdata = data.test)
          mse <- mean((data.test[[response]] - predicted)^2)
          mse.all[n] <- mse
        }
        return(mse.all)
      }
      
      X <- names(mtcars)[-c(1, 3, 5, 7)]
      y <- "mpg"
      
      set.seed(2021)
      mse.kcv <- my.k.fold.1(5, mtcars, response = y, regressors = X, verbose = TRUE)
      mse.kcv
      #[1] 14.255583  8.355831  2.765447  7.539299 10.151655
      

      【讨论】:

        猜你喜欢
        • 2019-12-18
        • 2018-08-29
        • 2016-11-15
        • 1970-01-01
        • 2018-12-17
        • 1970-01-01
        • 1970-01-01
        • 1970-01-01
        • 1970-01-01
        相关资源
        最近更新 更多