我试图在线性模型上使用cv.glm,但每次我都会得到错误
Error in model.frame.default(formula = lindata$Y ~ 0 + lindata$HomeAdv + :
variable lengths differ (found for 'air-force-falcons')
air-force-falcons是数据集lindata中的第一个变量。当我运行glm时,我没有错误。所有变量都在一个数据集中,并且没有缺失值。
> linearmod5<- glm(lindata$Y ~ 0 + lindata$HomeAdv + ., data=lindata, na.action="na.exclude")
> set.seed(1)
> cv.err.lin=cv.glm(lindata,linearmod5,K=10)
Error in model.frame.default(formula = lindata$Y ~ 0 + lindata$HomeAdv + :
variable lengths differ (found for 'air-force-falcons')
我不知道是什么导致了这个错误或解决方案。有任何想法吗?谢谢!
答案 0 :(得分:2)
导致此错误的原因是指定公式
的方式有误这将产生错误:
mod <- glm(mtcars$cyl ~ mtcars$mpg + .,
data = mtcars, na.action = "na.exclude")
cv.glm(mtcars, mod, K=11) #nrow(mtcars) is a multiple of 11
这不是:
mod <- glm(cyl ~ ., data = mtcars)
cv.glm(mtcars, mod, K=11)
这两个:
mod <- glm(cyl ~ + mpg + disp, data = mtcars)
cv.glm(mtcars, mod, K=11)
如果您在mtcars$cyl
中指定变量,则此变量的行数等于原始数据集的行数。当您使用cv.glm
时,您在K部分中对数据框进行分区,但是当您在重采样数据上重新构建模型时,它会评估data.frame$var
形式中指定的具有原始(非分区)长度的变量,具有分区长度的其他(由.
指定)。
所以你必须在公式中使用相对变量(没有$)。
关于公式的其他建议:
避免使用指定变量和.
混合使用双变量。该点适用于df中所有变量,除了波浪号左侧的变量。
为什么要加零?如果它是试图删除拦截使用-1而不是。但是,在我看来,这是一种不好的做法