K-倍交叉验证使用cv.lm（）

我新的R和尝试使用cv.lm（）做K-折交叉验证参见：http://www.statmethods.net/stats/regression.html K-倍交叉验证使用cv.lm（）

我正在错误指示的长度我的变量是不同的。事实上，在使用length（）进行验证期间，我发现其大小实际上相同。

的下面是最小的数据集复制问题，

用下面的代码做交叉验证

# K-fold cross-validation, with K=10 
sampledata <- read.table("H:/sample.txt", header=TRUE) 
y.1 <- sampledata$Y 
x.1 <- sampledata$X 
fit=lm(y.1 ~ x.1) 
library(DAAG) 
cv.lm(df=sampledata, fit, m=10)

在终端上的误差，

Error in model.frame.default(formula = form, data = df[rows.in, ], drop.unused.levels = TRUE) : 
    variable lengths differ (found for 'x.1')

验证，

> length(x.1) 
[1] 30 
> length(y.1) 
[1] 30

以上确认的长度是一样的。

> str(x.1) 
int [1:30] 277 285 297 308 308 263 278 283 268 250 ... 
> str(y.1) 
num [1:30] 5.2 5.17 4.96 5.26 5.11 5.27 5.2 5.16 5.17 5.2 ... 

> is(y.1) 
[1] "numeric" "vector" 
> is(x.1) 
[1] "integer"    "numeric"    "vector"    "data.frameRowLabels"

对上述数据集的进一步检查表明一个数据集是整数，另一个是数字。但是即使当数据集被转换数字为整数或整数数字，相同的误差指示与数据长度问题屏幕弹出。

你能指导我该怎么做才能纠正错误？

自2天前我未成功处理此问题。使用互联网进行研究没有得到任何好的结果。

Addional相关查询：

我看到，如果我们使用的数据的属性进行设置的头配合工作，

fit=lm(Y ~ X, data=sampledata)

一）什么是上面的语法与差异，

fit1=lm(sampledata$Y ~ sampledata$X)

认为它是一样的。在下面的，

#fit 1 works 
fit1=lm(Y ~ X, data=sampledata) 
cv.lm(df=sampledata, fit1, m=10) 

#fit 2 does not work 
fit2=lm(sampledata$Y ~ sampledata$X) 
cv.lm(df=sampledata, fit2, m=10)

的问题是在DF = sampleData在作为标题 “的sampleData $ Y” 根本不存在，但只有$ Y存在。试图manupulate cv.lm低于它不工作过，

cv.lm(fit2, m=10)

二）如何，如果我们想要操纵的变量，如何使用它在cv.lm（）用于如

y.1 <- (sampledata$Y/sampledata$X) 
x.1 <- (1/sampledata$X) 

#fit 4 problem 
fit4=lm(y.1 ~ x.1) 
cv.lm(df=sampledata, fit4, m=10)

有没有一种方法，我可以参考，而不是头Y〜X在功能Y.1和X.1？

谢谢。

来源

2013-12-23 Saravanan K

我不确定为什么发生这种情况，但我发现你没有为lm（）指定数据参数，所以这是我的第一个猜测。

fit=lm(Y ~ X, data=sampledata)

由于错误消失，这可能是一个足够的答案。

enter image description here

UPD：的原因的错误是Y.1和X.1不的sampleData，其作为DF论据cv.lm提供存在，使式Y.1 〜x.1在cv.lm环境中没有意义。

来源

2013-12-23 13:17:14 tonytonov

感谢您的回复。它在我们使用cv.lm（）中的头部时起作用。有没有一种方法可以在cv.lm（）中使用y.1和x.1，因为大部分时间我都会操作用于执行cv.lm（）的头文件。已经更新了我的原始文件来解释这一点。 –

K-倍交叉验证使用cv.lm（）

回答

相关问题