我使用glm()拟合了一个速率模型（带偏移的泊松链接，如
y ~ offset(log(x1)) + x2 + x3
在这种情况下，响应为y/x1。
然后我想使用插入符号包进行交叉验证，所以我使用了'train（）'函数和 k -fold CV控件。事实证明，我拥有的2个模型非常不同。似乎train()无法处理offset：我将offset中的变量更改为offset(log(log(x1))或offset(log(sqrt(x1))，模型保持不变。
之前有过这种经历，你是如何处理它的？ 谢谢！
btw我想保存每个验证集的预测，所以到目前为止我只知道插入符可以做到这一点，这就是为什么我没有选择使用cv.glm。
答案 0 :(得分：0)
我不能声称拥有此过程的先前经验，并且在没有提供可重现的示例和代码的情况下没有进行任何测试。但我确实有将偏移移动到glm - Lission回归调用的LHS的经验，那么为什么不将公式（和族）改为：
glm( I(y/x1) ~ x2 + x3, family=quasipoisson, data= , ...)