Question

我有以下数据。我的目标是通过交叉验证100次来计算均方预测误差（MSPE）。

y=rnorm(250,0,2)
    x1=rnorm(250,0,3)
    x2=rnorm(250,1,1)
    datasim=data.frame(y,x1,x2)

首先，我需要将数据分为训练和测试数据。因此，我首先使用R中的sample.int函数计算了指标。基于这些指标，我将数据分为训练和测试集。

    dd=replicate(100,sample.int(n = nrow(datasim), 
size = floor(.75*nrow(datasim)), replace = F))

          train_set=apply(dd,2,function(y)
          datasim[y, ])

        test_set=apply(dd,2,function(y)
          datasim[-y, ])

之后，我必须使用训练数据来拟合模型。并且基于测试数据，我需要预测并获得均方根预测误差（MSPE）。我不知道如何从这里继续。特别是我不知道如何链接训练集和测试集，以便我可以预测和计算MSPE。

我使用另一个lapply函数内部的lapply函数对此进行了尝试。

lapply(test_set, function(train_set) {
  lapply(train_set,function(x)
    mean((test_set$y- predict.lm(y ~ x1 + x2, data = train_set))^2)

}
  ))

但是这似乎有问题。有人可以帮我解决这个问题吗？还有没有比该方法更简单的方法了？

谢谢

Answer 1

要replicate要记住，您需要传递一个函数。

这是您的入门指南，也应该predict处理测试数据，在对newdata的调用中使用predict。

首先，此功能完成了有关拆分数据和模型的所有工作，请注意，如果您以后要更改它，则可以传递不同的perc。

sim_function <- function(datas, perc=0.75) {
  idx = sample(nrow(datas), floor(perc*nrow(datas)), replace = F) # sample idx

  train = datas[idx, ]
  test = datas[-idx, ]

  pred_lm = predict(lm(y~x1+x2,data=train), # model on train data
              newdata = test[, -1]) # predict on test data

  return(mean((test$y - pred_lm)^2)) # mse and return it
}

现在我们可以致电replicate：

sim_rep <- replicate(100, sim_function(datasim)) # or sim_function(datasim, perc = 0.60) as an example
head(sim_rep)
[1] 4.664940 3.543390 3.119503 3.493320 4.182965 5.101870

数据：

set.seed(123) # always remember this when you simulate
y=rnorm(250,0,2)
x1=rnorm(250,0,3)
x2=rnorm(250,1,1)
datasim=data.frame(y,x1,x2)

基于R中的模拟数据计算均方预测误差

1 个答案: