Question

我想对训练数据集中增加的行数（第一个实验使用10％的训练数据，第二个使用20％，依此类推）执行10个线性回归（波士顿数据集）并评估结果测试集并绘制结果，使用X值作为训练集的百分比，并将Y作为测试集上的RSE。我刚开始学习r编码可以有人请指导我这里

sample <- sample.int(n = nrow(Boston), size = floor(.70*nrow(Boston)), replace = F)
train <- Boston[sample, ]
test  <- Boston[-sample, ]
#I have the following template
Onetestrse<-rep(0,10)
for(i in 1:10)
Train2=train(1:……….)
Lr1 fit=lm(medv~lstat,…train2)
predictions=…
rss=
rse=
Onetestrse[I]=rse

Answer 1

这应该让你开始。

始终说明您正在使用哪些非基本R库。 Boston数据集是MASS的一部分，因此我们需要执行library(MASS)。

设置固定种子以获得再现性。
```
set.seed(2017);
```

构建培训和测试数据。

sample <- sample.int(n = nrow(Boston), size = floor(.70*nrow(Boston)), replace = F)
train <- Boston[sample, ];
test  <- Boston[-sample, ];

为完整训练数据集的不同百分比拟合线性模型。我们随机抽取fraction.of.train的{{1}}。
```
train
```
作为如何处理fraction.of.train <- seq(0.1, 1.0, by = 0.1); res <- lapply(fraction.of.train, function(x) { df <- train[sample(nrow(train), floor(x * nrow(train))), ]; fit <- lm(medv ~ lstat, data = df); return(fit); })的示例，我们可以在[{1}}中存储模型系数的估算值。
```
res
```

从data.frame中提取其他合适的统计信息非常简单，我会将此留给您。

在r中增加训练数据集行的迭代回归

1 个答案: