cv.glm 可变长度不同

Question

我正在尝试 cv.glm 线性模型，但是每次我这样做都会收到错误

Error in model.frame.default(formula = lindata$Y ~ 0 + lindata$HomeAdv +  : 
variable lengths differ (found for 'air-force-falcons')

air-force-falcons 是数据集 lindata 中的第一个变量。当我运行 glm 时，我没有收到任何错误。所有变量都在一个数据集中，没有缺失值。

> linearmod5<- glm(lindata$Y ~ 0 + lindata$HomeAdv + ., data=lindata, na.action="na.exclude")
> set.seed(1)
> cv.err.lin=cv.glm(lindata,linearmod5,K=10)
Error in model.frame.default(formula = lindata$Y ~ 0 + lindata$HomeAdv +  : 
variable lengths differ (found for 'air-force-falcons')

我不知道导致此错误的原因或解决方案。有任何想法吗？谢谢！

Answer 1

导致此错误的原因是您指定公式的方式有误

这将产生错误：

mod <- glm(mtcars$cyl ~ mtcars$mpg + .,
            data = mtcars, na.action = "na.exclude")

cv.glm(mtcars, mod, K=11) #nrow(mtcars) is a multiple of 11

这不是：

mod <- glm(cyl ~ ., data = mtcars)

cv.glm(mtcars, mod, K=11)

这都不是：

mod <- glm(cyl ~ + mpg + disp, data = mtcars)

cv.glm(mtcars, mod, K=11)

发生的情况是，您在 mtcars$cyl 中指定变量，此变量的行数等于原始数据集的行数。当您使用 cv.glm 时，您将数据框分成 K 个部分，但是当您在重采样数据上重新拟合模型时，它会使用原始（未分区）长度评估以 data.frame$var 形式指定的变量，其他（由 . 指定的）具有分区长度。

所以你必须在公式中使用相对变量（不带$）。

关于公式的其他建议：

避免混合使用指定的变量和. 双重变量。点适用于 df 中的所有变量，波浪号左侧的变量除外。

为什么要加零？如果它试图删除拦截，请改用 -1。但是，我认为这是一种不好的做法

cv.glm 可变长度不同

cv.glm variable lengths differ

r

glm

cross-validation