Question

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！

Answer 1

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

cv.glm变量长度不同

1 个答案: