Question

我尝试将数据（银行）拆分为培训数据和测试数据。但我在某种程度上得到了一个错误。我怎么能解决这个问题？

train = bank[1:100, ]
test = bank[!train,]
Status.test =Status[!train]
glm.fit=glm(Status~Length+Right+Bottom+Top+Diagonal,data=bank,family=binomial,subset=train)

#Error in xj[i] : invalid subscript type 'list'

glm.probs=predict(glm.fit,test,type="response") 
glm.pred=rep("genuine",100)  
glm.pred[glm.probs>.5]="counterfeit"
table(glm.pred,test)##classification on training data

#Error in table(glm.pred, test) : all arguments must have the same length

Answer 1

问题出在subset=train。根据{{1}}。 ?glm应该是一个向量，与原始数据集的子集相对：

子集一个可选向量，指定要观察的子集用于拟合过程。

因此，您可能需要将代码更改为： subset

或

glm.fit=glm(Status~Length+Right+Bottom+Top+Diagonal,data=train,family=binomial)

Answer 2

通常，您可以通过执行以下操作来实现您的要求：假设列'响应'被观察到列：

samples=1:100
train = bank[samples, ]
test = bank[-samples,]
Status.test =bank[samples,'response']

顺便说一下，我建议使用sample()函数随机取样进行训练和测试。像这样：

samples=sample(nrow(bank), 0.8*nrow(bank))
train = bank[samples, ]
test = bank[-samples,]
Status.test =bank[samples,'response']

Answer 3

如果您将训练数据设置为：

data[1: 100,]

然后在lm()函数中，使用参数：

data = bank[train,]

或者，您可以将火车设置为：

seq(1: 100)

作为索引序列，您需要在

中使用

lm(): data = bank, subset = train

xj [i]出错：无效的下标类型'list'

3 个答案: