如何在R中正確使用plsr（）？

Question

我在R中學習plsr，遇到了幾個不同的例子，這些例子讓我感到困惑。我看到了以下兩種方法擬合和找到最佳組件的兩種方法。我只想知道哪一種是正確的方式，並且首選？

1）假設我們有一個稱爲數據的數據幀，它被分成列車數據data.train和測試數據data.test。然後PLSR安裝爲

plsr.fit = plsr(formula, data = data.train, validation = "CV", scale = TRUE) 
summary(plsr.fit) 

然後根據最小CV價值得到ncomp值。

2）而沒有任何數據分裂，簡單地擬合模型充分數據

plsr(formula, data = data, validation = "CV", scale = TRUE) 
summary(plsr.fit) 

然後基於最小CV值越來越ncomp值。

我感到困惑的部分是第一種方法。由於validation = "CV"已經包含在內，並且它會自動應用10倍簡歷，爲什麼該模型適合訓練數據而不是完整數據？是不是在這種情況下，訓練數據會再次分成訓練和測試數據，並自動應用10倍交叉驗證？

Answer 1

當您運行交叉驗證時，您仍然適合您正在使用的數據集。除非將其與它從未見過的數據進行比較，否則無法真正測試模型的準確性。這就是爲什麼您通常會將您的數據分成大約80％的「培訓」（包括交叉驗證或您選擇的其他方法）和20％的「」交叉驗證後的數據。