Question

假设我在一些模拟数据（多个数据集）上进行了三种类型的回归方法，这样我对每个数据集对应的每个方法都有一个MSE。一些示例数据（df）可能如下所示：

df
simulation mse_test1 mse_test2 mse_test3
1          60        80        10                   
2          80        20        50
3          10        90        100
4          70        50        10

我想要完成的是比较给定模拟的3个MSE值中的每一个以确定最低MSE（即第一行（模拟1），我想确定test3具有最低值） MSE）。我想对我的所有模拟进行比较，如果方法（测试）具有最低的MSE，它将接收1，而其他方法/测试将接收零。

最后，我想存储这些比较的结果（在df_result中，因此我可以找到最大总和为1的方法（测试）。例如，使用我们的示例数据，结果会像这样：

df_result:
mse_test1 mse_test2 mse_test3
1         1         2

即，第二种方法/测试对于大多数模拟具有最低的MSE。

感谢您的任何提示！

我还要完成相同的结果，但对于保存在列表中的数据如下：

    sample_results
 [[1]]
    mse_test1[[1]]
    60
    mse_test1[[2]]
    80
    mse_test1[[3]]
    10
    mse_test1[[4]]
    70



[[2]]
    mse_test2[[1]]
    80
    mse_test2[[2]]
    20
    mse_test2[[3]]
    90
    mse_test2[[4]]
    50
[[3]]
    mse_test3[[1]]
    10
    mse_test3[[2]]
    50
    mse_test3[[3]]
    100
    mse_test3[[4]]
    10

Answer 1

一个想法是在数据框的每一行使用table

table(max.col(-df[-1]))

#1 2 3 
#1 1 2

或者，

t1 <- table(max.col(-df[-1]))
setNames(t1, paste0('mse_test', names(t1)))

#mse_test1 mse_test2 mse_test3 
#        1         1         2

如果您有一个列表列表，那么只需转换为数据框并按照相同的步骤，即

d3 <- as.data.frame(do.call(cbind, lapply(l2, function(i) unlist(i))))
t2 <- table(max.col(-d3))

setNames(t2, paste0('mse_test', names(t2)))

#mse_test1 mse_test2 mse_test3 
#        1         1         2

其中，

dput(l2)
list(list(60L, 80L, 10L, 70L), list(80L, 20L, 90L, 50L), list(
    10L, 50L, 100L, 10L))

值的三方比较，计算“成功”的数量

1 个答案: