基于R中的模拟数据计算均方预测误差答案

【问题标题】：calculating mean squared prediction error based on simulated data in R基于R中的模拟数据计算均方预测误差
【发布时间】：2019-05-13 04:05:08
【问题描述】：

我有以下数据。我的目标是通过重复 100 次使用交叉验证来计算均方预测误差 (MSPE)。

y=rnorm(250,0,2)
    x1=rnorm(250,0,3)
    x2=rnorm(250,1,1)
    datasim=data.frame(y,x1,x2)

首先，我需要将数据拆分为训练和测试数据。所以我首先使用 R 中的 sample.int 函数计算了索引。基于这些索引，我将数据分成训练集和测试集。

    dd=replicate(100,sample.int(n = nrow(datasim), 
size = floor(.75*nrow(datasim)), replace = F))

          train_set=apply(dd,2,function(y)
          datasim[y, ])

        test_set=apply(dd,2,function(y)
          datasim[-y, ])

之后我必须使用训练数据来拟合模型。并且基于测试数据，我需要预测并获得均方预测误差（MSPE）。我不知道如何从这里开始。特别是我不知道如何链接训练集和测试集，以便我可以预测和计算 MSPE。

我使用另一个 lapply 函数内部的 lapply 函数尝试使用它。

lapply(test_set, function(train_set) {
  lapply(train_set,function(x)
    mean((test_set$y- predict.lm(y ~ x1 + x2, data = train_set))^2)

}
  ))

但这似乎有问题。谁能帮我解决这个问题？还有比这个方法更简单的方法吗？

谢谢

【问题讨论】：

标签： r simulation lapply lm

【解决方案1】：

给replicate 记住你需要传递一个函数。

这是让你前进的东西，你也应该在测试数据上使用predict，在对predict的调用中使用newdata。

首先，这个函数完成了分割数据和模型的所有部分，注意你可以传递不同的perc，如果你以后想改变它。

sim_function <- function(datas, perc=0.75) {
  idx = sample(nrow(datas), floor(perc*nrow(datas)), replace = F) # sample idx

  train = datas[idx, ]
  test = datas[-idx, ]

  pred_lm = predict(lm(y~x1+x2,data=train), # model on train data
              newdata = test[, -1]) # predict on test data

  return(mean((test$y - pred_lm)^2)) # mse and return it
}

现在我们可以拨打replicate:

sim_rep <- replicate(100, sim_function(datasim)) # or sim_function(datasim, perc = 0.60) as an example
head(sim_rep)
[1] 4.664940 3.543390 3.119503 3.493320 4.182965 5.101870

数据：

set.seed(123) # always remember this when you simulate
y=rnorm(250,0,2)
x1=rnorm(250,0,3)
x2=rnorm(250,1,1)
datasim=data.frame(y,x1,x2)

【讨论】：