R 中带有 createFolds 函数的训练和测试集

Question

我尝试手动计算一些线性回归性能指标，我想使用 30 折 交叉验证拆分我的 data。

这些性能指标需要计算训练和测试集。

我运行下面的代码但是它给了我一个错误（"incompatible dimensions, longer object length is not a multiple of shorter object length"）。

有没有办法使用 createFolds 函数解决这个问题？

######### Upload the data set #########

wdbc <- read.delim("yacht_hydrodynamics.data",sep = "",header = FALSE) 
wdbc[] <- lapply(wdbc, scale)
wdbc<-as.data.frame(wdbc)

############## Leave One Out Cross Validation split ###########

k=30
fitted_value <- rep(0,k)

for(i in 1:k){
test<-wdbc[i,]
training<-wdbc[-i,]

m=lad(V7 ~ ., data=training, method="BR")

co.data = coef(m)  
x = cbind(1, as.matrix(test[, !(colnames(test) %in% "V7")]))

fitted_value[i] <- x %*% co.data

}

 R2<-(cor(wdbc$V7,fitted_value)^2) ### R-squared
 SAD<-sum(abs(wdbc$V7 - fitted_value)) ### Sum Absloute Deviation

 c(round(SAD,2) ,round(R2,2))

注意

"V7" 是因变量。

Answer 1

您的错误来自这一行：

R2<-(cor(wdbc$V7,fitted_value)^2)

如果您查看 data.frame，您会读到：

wdbc = read.delim("http://archive.ics.uci.edu/ml/machine-learning-databases/00243/yacht_hydrodynamics.data",sep="",header=FALSE)
 dim(wdbc)
[1] 308   7

所以从 308 个值的向量中减去一个 30 个值的向量是行不通的

不太确定这个想法是做 30 折交叉验证还是留一，你上面的代码是留一，你应该设置 k = nrow(wdbc) 留一。以下是30折的建议：

k=30
foldidx = split(sample(nrow(wdbc)),1:nrow(wdbc) %% k)
fitted_value <- vector("list",k)

for(i in 1:k){
test<-wdbc[foldidx[[i]],]
training<-wdbc[-foldidx[[i]],]

m=lad(V7 ~ ., data=training, method="BR")

co.data = coef(m)  
x = cbind(1, as.matrix(test[, !(colnames(test) %in% "V7")]))

fitted_value[[i]] <- x %*% co.data

}

匹配值的最后一部分，取消列出索引以及存储的拟合值列表：

obs = wdbc$V7[unlist(foldidx)]
test = unlist(fitted_value)

R2<-(cor(obs,test)^2)

R 中带有 createFolds 函数的训练和测试集

Training and Testing set with createFolds function in R

r

machine-learning

regression

r-caret