R中的交叉验证步骤函数答案

【问题标题】：Cross Validating step functions in RR中的交叉验证步骤函数
【发布时间】：2017-02-12 16:45:48
【问题描述】：

我试图从阶跃函数中获取错误，但我得到了一个错误：

library(boot)
library(ISLR)
attach(Wage)
set.seed(5082)
cv.error <- rep (0,12)
for (i in 2:13){
    step.fit = glm(wage~cut(age,i), data = Wage)
    cv.error[i] <- cv.glm(Wage ,step.fit, K= 10)$delta [1]
}

Error in model.frame.default(Terms, newdata, na.action = na.action, xlev = object$xlevels) :
cut(age, i) has new levels (17.9,43.5], (43.5,69.1]

如果我使用特定中断而不是自动生成 cut() 索引，我可以从 cv.glm()$delta [1] 得到错误：

fit <- glm(wage~cut(age,breaks=c(17.9,33.5,49,64.5,80.1)), data = Wage)
cv.error <- cv.glm(Wage ,step.fit, K= 10)$delta [1]'

即使这些是 cut(age,4) 所做的完全相同的休息。

谁能解释发生了什么或如何修复错误。

我的目标是尝试从 12 种不同的步进模型中找出错误，并根据 cv.glm()$delta 错误选择最佳的。

【问题讨论】：

标签： r regression linear-regression polynomial-approximations

【解决方案1】：

问题在于cut(age, i) 仅作为您的glm() 中的内联创建存在，而不是您用于验证的Wage 数据集的一部分。我们可以这样解决：

library(boot)
library(ISLR)
data(Wage) # using attach is a bad practice
set.seed(5082)
cv.error <- rep (0,12)
for (i in 2:13){
  Wage$tmp <- cut(Wage$age,i)
  step.fit = glm(wage~tmp, data = Wage)
  cv.error[i] <- cv.glm(Wage ,step.fit, K= 10)$delta [1]
}

cv.error

[1] 0.000 1733.815 1682.731 1637.200 1631.049 1623.069 1613.099 1600.413 1613.127 1603.581 1603.601 1604.730 1602.462

请注意，第一个值为 0 只是因为 i 的值从 2 开始，因此没有任何内容写入第一个元素。

【讨论】：

【解决方案2】：

我研究了如何从cut 输出中获取标签，并在文档末尾找到了有用的注释 (??cut)

## one way to extract the breakpoints
labs <- levels(cut(aaa, 3))
cbind(lower = as.numeric( sub("\\((.+),.*", "\\1", labs) ),
      upper = as.numeric( sub("[^,]*,([^]]*)\\]", "\\1", labs) ))

所以使用它：

library(boot)
library(ISLR)
data(Wage)
set.seed(5082)
cv.error <- rep (0,12)
for (i in 2:13){
  labs <- levels(cut(age, i))
  breaks <- unique(c(as.numeric(sub("\\((.+),.*", "\\1", labs)),
                    as.numeric(sub("[^,]*,([^]]*)\\]", "\\1", labs))))
  step.fit <- glm(wage~cut(age,unique(breaks)), data = Wage)
  cv.error[i] <- cv.glm(Wage ,step.fit, K=10)$delta[1]
}

cv.error
 [1]    0.000 1733.815 1682.731 1637.200 1631.049 1623.069 1613.099 1600.413 1613.127 1603.581 1603.601
[12] 1604.730 1602.462

【讨论】：