我正在BMA包中使用bic.glm（）函数来确定二进制响应的多逻辑模型。我是BMA的新手，在过去，通过逻辑回归，我选择了一个模型，然后使用插入符号包中的train（）函数执行k倍交叉验证。
我对BMA的理解是，重点是基于模型系数的加权平均估计进行预测。如果我仅选择具有最高后验概率的模型并执行k倍CV，那似乎将忽略模型的不确定性。但是，插入符号包的train（）函数似乎无法将bic.glm对象作为参数。
与选择单个最佳模型并将其输入Train（）之类的方法相反，我如何使用BMA的加权平均系数估计来执行k倍CV？
作为参考，我并没有做k倍CV来做进一步的模型选择，只是为了估计给定模型的预测能力（即，使用该模型来提供预测信息）。