LDA 交叉验证和变量选择

Question

我有一个包含 395 个观察值和 36 个变量的数据框。我正在进行交叉验证以选择最好的几个变量来对学生资格进行分类。我写了这段代码：

k<-5
error <- c()
for(l in 1:35){
  if(l!=31 && l!=32 && l!=33){
    x<-0
    for (i in 1:k){
      train<-rep(TRUE, dim(student.mat)[1])
      for(j in 1:dim(student.mat)[1]/k){
        train[(i-1)*dim(student.mat)[1]/k+j]<-FALSE
      }
      test=!train
      student.test=student.mat[test,]
      student.train=student.mat[train,]
      nota3.test=nota3[test]
      lda.fit<-lda(nota3~student.mat[,i], data=student.mat, subset=train)
      lda.pred<-predict(lda.fit, student.test)
      table(lda.pred$class, nota3.test)
      y<-mean(lda.pred$class!=nota3.test)
      x<-x+y
      #cat("k = ", i, "error: ", y*100,"%", "\n")
    }
    #cat("Media del error = ", x/k*100,"%", "\n")
    error <- c(error, x/k)
  }else{
    error <- c(error, 100)
  }
}
error
names(student.mat)[which.max(error)]

我得到这个错误：

表中的错误（lda.pred$class, nota3.test）： 所有参数必须具有相同的长度 另外：丢失警告消息 'newdata' 有 79 行，但找到的变量有 395 行

但是如果我写数据集的一个变量的名称而不是student.mat[,i]，它就可以工作。 lda 函数无法正确读取student.mat[,i]。

Answer 1

您可以通过编程方式创建公式：

lda.fit<-lda(paste0("nota3~", names(student.mat)[i]), data=student.mat, subset=train)