K-倍交叉驗證使用cv.lm（）

我新的R和嘗試使用cv.lm（）做K-折交叉驗證參見：http://www.statmethods.net/stats/regression.html K-倍交叉驗證使用cv.lm（）

我正在錯誤指示的長度我的變量是不同的。事實上，在使用length（）進行驗證期間，我發現其大小實際上相同。

的下面是最小的數據集複製問題，

用下面的代碼做交叉驗證

# 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)

在終端上的誤差，

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

驗證，

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

以上確認的長度是一樣的。

> 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"

對上述數據集的進一步檢查表明一個數據集是整數，另一個是數字。但是即使當數據集被轉換數字爲整數或整數數字，相同的誤差指示與數據長度問題屏幕彈出。

你能指導我該怎麼做才能糾正錯誤？

自2天前我未成功處理此問題。使用互聯網進行研究沒有得到任何好的結果。

Addional相關查詢：

我看到，如果我們使用的數據的屬性進行設置的頭配合工作，

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

一）什麼是上面的語法與差異，

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

認爲它是一樣的。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)

的問題是在DF = sampleData在作爲標題「的sampleData $ Y」根本不存在，但只有$ Y存在。試圖manupulate cv.lm低於它不工作過，

cv.lm(fit2, m=10)

二）如何，如果我們想要操縱的變量，如何使用它在cv.lm（）用於如

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)

有沒有一種方法，我可以參考，而不是頭Y〜X在功能Y.1和X.1？

謝謝。

來源

2013-12-23 Saravanan K

我不確定爲什麼發生這種情況，但我發現你沒有爲lm（）指定數據參數，所以這是我的第一個猜測。

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

由於錯誤消失，這可能是一個足夠的答案。

enter image description here

UPD：的原因的錯誤是Y.1和X.1不的sampleData，其作爲DF論據cv.lm提供存在，使式Y.1 〜x.1在cv.lm環境中沒有意義。

來源

2013-12-23 13:17:14 tonytonov

感謝您的回覆。它在我們使用cv.lm（）中的頭部時起作用。有沒有一種方法可以在cv.lm（）中使用y.1和x.1，因爲大部分時間我都會操作用於執行cv.lm（）的頭文件。已經更新了我的原始文件來解釋這一點。 –

K-倍交叉驗證使用cv.lm（）

回答

相關問題