如何使用 R 进行非分层（混洗）k 折交叉验证？

【问题标题】：How to do unstratified (shuffled) k-fold cross validation using R?如何使用 R 进行非分层（混洗）k 折交叉验证？
【发布时间】：2021-11-30 13:38:43
【问题描述】：

我想在不使用分层的情况下将我的数据分成 k 个训练折叠（但可以选择使用改组）。如何在 R 中实现这一目标？到目前为止，我发现的所有线程都与分层 k 折叠有关，这不是我想要的。可能与此CrossValidated thread 有关。在 Python 中与此等效的是使用 sklearn.model_selection.KFold

【问题讨论】：

标签： r machine-learning cross-validation

【解决方案1】：

你可以试试我的轻量级包splitTools。

根据你的用例，你会做类似的事情

library(splitTools)

# invert = TRUE to get out-of-sample folds
insample_folds <- create_folds(
  1:nrow(iris), k = 10, type = "basic", seed = 1, shuffle = TRUE
)

# Loop over insample folds to get RMSE per fold
rmses <- numeric(0)
for (fold in insample_folds) {
  fit <- lm(Sepal.Length ~ ., data = iris[fold, ])
  valid_errors <- iris$Sepal.Length[-fold] - predict(fit, iris[-fold, ])
  rmses <- c(rmses, sqrt(mean(valid_errors^2)))
}

mean(rmses) # 0.312

【讨论】：