我是统计方面的初学者，这是我第一次使用R做回归模型。我已经为简单的lm模型完成了基本的70/30拆分，我现在想编写代码进行交叉验证，而无需使用插入符号包。 这是我的代码：
cv_ss <- model2[sample(nrow(model2)),]
folds <- cut(seq(1,nrow(cv_ss)),breaks=6, labels = FALSE)
for(i in 1:6){
testIndexes <- which(folds==i,arr.ind = FALSE)
testData <- cv_ss[testIndexes, ]
trainData <- cv_ss[-testIndexes, ]
model_cv_ss <- lm(trainData$ss ~., data = trainData)
summary(model_cv_ss)
pred_cv_ss<-predict(model_cv_ss,testData)
actual_cv_ss<-testData[,"ss"]
MAPE_ss = mean(abs((pred_cv_ss - actual_cv_ss)/actual_cv_ss))
MAPE_ss
error_ss = abs((pred_cv_ss- actual_cv_ss)/actual_cv_ss)
error_ss
save_ss<- rbind(save_ss, new)
}
new <- data.frame(MAPE_ss, error_ss)
#}
#save_ss<- rbind(save_ss, new)
save_ss
avg_error_ss <- mean(MAPE_ss)
avg_error_ss
这是我的结果：
MAPE_ss error_ss
11 0.4012435 0.01960784
10 0.4012435 0.20384160
7 0.4012435 0.70386888
151 0.4012435 0.67765551
.
.
.
我很困惑，因为： 我只有21个观测值，但观测值可以达到151。但是，在全球环境中，它仅表示21个观测值。 其次，我所有的MAPE_ss都是相同的，我认为情况并非如此，因为每个折叠都吸收不同的数据，因此MAPE_ss应该是不同的。
如果我错了，请纠正我。
任何帮助或建议将不胜感激，在此先感谢您！ ：）
编辑： dim（model2）
> dim(model2)
[1] 25 13
dput（head（model2））
> dput(head(model2,20))
structure(list(ï..SST = c(0,
0, 0, 0, 1, 1, 0, 1, 0, 0, 0, 0, 1, 1, 0, 1, 1, 1, 1, 1), SSA = c(0,
0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0), SSR = c(0,
0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0), SSC = c(0,
0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0), SSF = c(1,
1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1), SSFH = c(0,
0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0), SSTC = c(1,
1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 0, 0, 0, 0), SSH = c(1,
1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1), SSC = c(1,
1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1), SSW = c(0,
0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0), QTY = c(109,
45, 48, 49, 31, 81, 13, 48, 109, 45, 48, 49, 31, 81, 13, 48,
36, 47, 58, 37), SS = c(53000, 47000, 5e+05,
450000, 62000, 950000, 660000, 1060000, 530000, 480000, 520000,
430000, 630000, 970000, 650000, 1090000, 1230374, 1695561, 981224,
1130354), TTH. = c(60, 45, 45, 45, 45, 90, 90, 90,
60, 45, 45, 45, 45, 95, 90, 90, 60, 90, 40, 65)), row.names = c(NA,
20L), class = "data.frame")