Question

我试图在一个相对较小的数据集（n = 22，p = 17）上对LARS算法进行线性回归进行一次性交叉验证。基本上我需要创建n个标准化数据矩阵（每列由以均值为中心的条目组成，并由列的SD标准化）。

我之前从未使用过列表，但只要可以操作/标准化不同矩阵的列，就可以开始制作列表。

这是我在R中尝试的：

for (i in 1:n)
{
  x.standardized.i <- matrix(data = NA, nrow = (n-1), ncol = p)  #creates n matrices, all n-1 x p
  for (j in 1:p)
  {
    x.standardized.i[,j] <- ((x[-i,j]-mean(x[-i,j]))/sd(x[-i,j])) #and standardizes the p variables with the ith row missing in each n matrix (i increments from 1 to n)
  }
}

我不确定我是否可以共享数据，因为它与类中的成绩相关，但是当我运行代码时，它会通过循环并通过指定标准化矩阵来停止，最后一行缺少为x。 standardized.i。

Answer 1

您可以使用sapply和scale完成此操作：

# Create dummy data
m <- matrix(runif(200), ncol=10)

# Leave each row out in turn, and scale each column
A <- sapply(seq_len(nrow(m)), function(i) scale(m[-i, ]), simplify='array')

默认情况下，scale将每列的中心放在其中心，并按其sd划分。

对于上面的示例，您将得到一个包含19行，10列和20个切片的数组。

要访问特定切片（即交叉验证训练折叠），您可以像这样进行分组：

A[,, 1] # all rows, all cols, first slice
A[,, 10] # all rows, all cols, tenth slice

确认列以其均值为中心并由一个sd标准化：

apply(A, c(2, 3), mean)
apply(A, c(2, 3), sd)

使用循环在R中创建矩阵

1 个答案: