在 purr 和模型中进行 k 折交叉验证

Question

我遇到了这个例子

library(mtcars)
set.seed(17)
cv.error.10 = rep(0,10)
for (i in 1:10){
    glm.fit = glm(mpg∼poly(horsepower ,i),data=Auto)
    cv.error.10[i] = cv.glm(Auto,glm.fit,K=10)$delta[1]
}

cv.error.10
[1] 24.21 19.19 19.31 19.34 18.88 19.02 18.90 19.71 18.95 19.50

我一直在尝试拿起 purrr 和 modelr。这似乎是一个很好的尝试复制的例子，因为它包括循环和交叉验证。我如何将这段代码转换成更整洁的诗句？

更新

根据以下建议，这是代码所在的位置

data(mtcars)
cv_mtcars = mtcars %>%
  crossv_kfold(k = 5)
cv_models = cv_mtcars %>%
  mutate(model = map(train, ~lm(mpg ~ hp, data = .)),
         rmse_all_models = map2_dbl(model, test, ~rmse(.x, .y)))
print(cv_models)

我想做的是对 hp 的递增多项式重复此操作，例如 hp^2、hp^3 等。我猜有一个 purr 方法这样做。

更新 2

这里是未迭代代码的例子

data(mtcars)
cv_mtcars = mtcars %>%
  crossv_kfold(k = 5)
cv_models = cv_mtcars %>%
  mutate(model1 = map(train, ~lm(mpg ~ hp, data = .)),
         model2 = map(train, ~lm(mpg ~I(hp^2), data = .)),
         model3 = map(train, ~lm(mpg ~I(hp^3), data = .)),         
         model4 = map(train, ~lm(mpg ~I(hp^4), data = .)),
         model5 = map(train, ~lm(mpg ~I(hp^5), data = .)),
         model6 = map(train, ~lm(mpg ~I(hp^6), data = .)),
         rmse_all_models1 = map2_dbl(model1, test, ~rmse(.x, .y)),
         rmse_all_models2 = map2_dbl(model2, test, ~rmse(.x, .y)),
         rmse_all_models3 = map2_dbl(model3, test, ~rmse(.x, .y)),
         rmse_all_models4 = map2_dbl(model4, test, ~rmse(.x, .y)),
         rmse_all_models5 = map2_dbl(model5, test, ~rmse(.x, .y)),
         rmse_all_models6 = map2_dbl(model6, test, ~rmse(.x, .y)))
print(cv_models)

Answer 1

我不知道 mtcars 库，但如果您需要访问 mtcars 数据，可以使用以下内容：

data(mtcars)
library(tidyverse)
library(modelr)

然后您可以使用 cross_mc()

创建一个重采样列表

cv_mtcars = mtcars %>%
  crossv_mc(n = 50)

print(cv_mtcars)

现在您可以在重采样上训练您的模型。 train 是包含用于训练的数据帧的列。我将 mutate() 用于一个名为 model 的列，我将 lm() 函数（或任何其他模型）映射到数据。

cv_models = cv_mtcars %>%
  mutate(model = map(train, ~lm(mpg ~ horsepower, data = .)))

print(cv_models)

您可以使用 modelr 的 rmse() 函数添加均方根误差：

rmse_cv = cv_models %>%
  mutate(rmse_all_models = map2_dbl(model, test, ~rmse(.x, .y))) %>%
  pull(rmse_all_models)

print(rmse_cv)

然后您可以计算您需要的 rmse() 的任何统计数据。如果您不熟悉列表列的概念，这段代码可能有点让人不知所措。您可以在此处阅读有关列表列的更多信息：https://campus.datacamp.com/courses/exploratory-data-analysis-in-r-case-study/tidy-modeling-with-broom?ex=10&_escaped_fragment_=#skiponboarding

我在 public 计算机上，所以我无法尝试代码，但它应该工作。

更新

所以我有点误解了这个问题，这里还有一些提示：

powers = seq(1:6)

create_form = function(power){
  rhs = substitute(I(hp^pow), list(pow=power))
  rlang::new_formula(quote(mpg), rhs)
}

此函数创建公式，然后您可以将一系列幂映射到此函数：

list_forms = map(seq(1,6), create_form)

然后将结果列表映射到lm:

map(list_forms, lm, data=mtcars)

要将其集成到管道工作流中，您需要创建一个新函数：

train_model = function(cv_data, form){
  cv_data %>%
  mutate(model = map(train, ~lm(form, data = .)))
}

在一个模型上进行测试：

test = train_model(cv_mtcars, list_forms[[1]])

现在运行它适用于一切：

all_models = map(list_forms, train_model, cv_data=cv_mtcars)

希望这对您有所帮助。

在 purr 和模型中进行 k 折交叉验证

k fold cross validation in purr and model

r

purrr

modelr

更新

更新 2

更新