Question

我有一个数据集，我正在进行逐步回归，并进行交叉验证。我最初使用交叉验证执行多元线性回归，并且能够看到我的测试集的值与我的训练集的接近程度每个折叠（我使用该值然后绘制一个图表，其中我测量了性能）。我是做同样的事情，但逐步回归。我在R中执行了以下算法： -

test <- CV.SuperLearner(Y,X, V = 10, SL.library = SL.library, verbose = TRUE, method = "method.NNLS")

但是我无法看到我如何能够看到每个折叠的值以及它们的接近程度。有没有办法让我能够这样做？

我尝试了print和summary，但他们没有提供我想要的信息。

由于

Answer 1

?CV.SuperLearner中解释了这一点：结果包含AllSL个广告位，包含所有折叠。

# Sample data
library(SuperLearner)
example(CV.Superlearner)

str(test$AllSL)             # You see a list with V=10 elements
test$AllSL[[1]]             # The first fold
predict( test$AllSL[[1]] )  # The predicted values

如果要与实际值进行比较，您需要知道折叠中包含哪些观察结果。

plot( 
  Y[ test$folds[[1]] ],
  predict( test$AllSL[[1]] )$pred,
  xlab = "Actual", ylab = "Predicted",
  main = "First fold"
)

更一般地说，要检查对象的内容，您可以使用str和names 除print，summary或plot。

之外

str(test)              # Too long to be useful
names(test)
str(test$AllSL)
str(test$AllSL[[1]])
str(test$folds)

如何从R中执行CV.SuperLearner获取预测值

1 个答案: