"Intro to Statistical Learning" 第 5 章 - 重采样 p.191
"Intro to Statistical Learning" Chapter 5 - Resampling p.191
有人可以帮助使用这行代码吗：
library(ISLR)
set.seed(1)
train=sample(392,196)
lm.fit=lm(mpg~horsepower,data=Auto,subset=train)
attach(Auto)
mean((mpg-predict(lm.fit,Auto))[-train]^2)
我正在寻求有关最后一行代码的帮助。有人可以解释它在做什么吗？
（特别是语法 "mpg-predict.." 和“-”的用法）
供参考，这来自：
"An Introduction to Statistical Learning: with Applications in R"。第 5 章 - 重新采样。 （第 191 页）
我想你指的是这个页面。
这里有两个-。
mpg-predict中的第一个就是普通的减号。 predict是模型预测的函数。阅读 ?predict 和 ?predict.lm 了解更多信息。您可以在 mpg 和预测结果之间进行减法的原因是您拥有 attach 数据集。或者，使用 Auto$mpg - predict(lm.fit, Auto).
第二个 -train 用于子集化。这是一个简单的例子：
x <- 1:5
x[-(2:3)] ## drop element 2 to 3
有人可以帮助使用这行代码吗：
library(ISLR)
set.seed(1)
train=sample(392,196)
lm.fit=lm(mpg~horsepower,data=Auto,subset=train)
attach(Auto)
mean((mpg-predict(lm.fit,Auto))[-train]^2)
我正在寻求有关最后一行代码的帮助。有人可以解释它在做什么吗？ （特别是语法 "mpg-predict.." 和“-”的用法）
供参考，这来自： "An Introduction to Statistical Learning: with Applications in R"。第 5 章 - 重新采样。 （第 191 页）
我想你指的是这个页面。
这里有两个-。
mpg-predict中的第一个就是普通的减号。 predict是模型预测的函数。阅读 ?predict 和 ?predict.lm 了解更多信息。您可以在 mpg 和预测结果之间进行减法的原因是您拥有 attach 数据集。或者，使用 Auto$mpg - predict(lm.fit, Auto).
第二个 -train 用于子集化。这是一个简单的例子：
x <- 1:5
x[-(2:3)] ## drop element 2 to 3