Question

我尝试使用“留出一个”交叉验证拆分来拟合线性模型。

我使用了这个DATASET，数据集有517行和13列（其中两个是分类变量）。因变量是“区域”。

我想建立一个带有或不带有类别变量的模型。然后就是计算系数的平均值。当我删除分类变量时，代码运行良好，但是当我保留它们时，出现了以下错误 “ estcoef [i，] <-coef（model1）中的错误：要替换的项目数不是替换长度的倍数”

我的代码如下

wdbc<- read.csv("forestfires.csv") ## upload the dataset
wdbc<-wdbc[-(3:4)] ## If I want to build the model without the catogrical variables
#####################################

fitted_value <- rep(0,nrow(wdbc))
estcoef<-matrix(0,nrow=nrow(wdbc),ncol=ncol(wdbc)) #estimation coefficients

# LOOCV split leave one out cross validation 
for(i in 1:nrow(wdbc)){
  validation<-wdbc[i,]
  training<-wdbc[-i,]
  model1<-lm(area ~ ., data = training)
  fitted_value[i] <- predict(model1, newdata = validation) 
  estcoef[i,]<-coef(model1) 
}

meancoef<-colMeans(estcoef) #coefficent means

有人可以帮我解决这个问题吗？

很高兴提供其他信息。

已更新

我包含了我数据的前10行

  X Y month day FFMC   DMC    DC  ISI temp RH wind rain area
1  7 5   mar fri 86.2  26.2  94.3  5.1  8.2 51  6.7  0.0    0
2  7 4   oct tue 90.6  35.4 669.1  6.7 18.0 33  0.9  0.0    0
3  7 4   oct sat 90.6  43.7 686.9  6.7 14.6 33  1.3  0.0    0
4  8 6   mar fri 91.7  33.3  77.5  9.0  8.3 97  4.0  0.2    0
5  8 6   mar sun 89.3  51.3 102.2  9.6 11.4 99  1.8  0.0    0
6  8 6   aug sun 92.3  85.3 488.0 14.7 22.2 29  5.4  0.0    0
7  8 6   aug mon 92.3  88.9 495.6  8.5 24.1 27  3.1  0.0    0
8  8 6   aug mon 91.5 145.4 608.2 10.7  8.0 86  2.2  0.0    0
9  8 6   sep tue 91.0 129.5 692.6  7.0 13.1 63  5.4  0.0    0
10 7 5   sep sat 92.5  88.0 698.6  7.1 22.8 40  4.0  0.0    0

我还包括了最后10行，这表明我们只有一个行，其中month = Nov（最后一行），即使提供了答案也返回错误。

> tail(wdbc,10)
    X Y month day FFMC   DMC    DC  ISI temp RH wind rain  area
508 2 4   aug fri 91.0 166.9 752.6  7.1 25.9 41  3.6  0.0  0.00
509 1 2   aug fri 91.0 166.9 752.6  7.1 25.9 41  3.6  0.0  0.00
510 5 4   aug fri 91.0 166.9 752.6  7.1 21.1 71  7.6  1.4  2.17
511 6 5   aug fri 91.0 166.9 752.6  7.1 18.2 62  5.4  0.0  0.43
512 8 6   aug sun 81.6  56.7 665.6  1.9 27.8 35  2.7  0.0  0.00
513 4 3   aug sun 81.6  56.7 665.6  1.9 27.8 32  2.7  0.0  6.44
514 2 4   aug sun 81.6  56.7 665.6  1.9 21.9 71  5.8  0.0 54.29
515 7 4   aug sun 81.6  56.7 665.6  1.9 21.2 70  6.7  0.0 11.16
516 1 4   aug sat 94.4 146.0 614.7 11.3 25.6 42  4.0  0.0  0.00
517 6 3   nov tue 79.5   3.0 106.7  1.1 11.8 31  4.5  0.0  0.00

Answer 1

如果将它们存储在list中而不是创建矩阵来存储系数，则可以轻松解决该问题。这样就不会有任何物品需要更换，所有物品都将在以后得到照顾。

在下面的代码中，我使用内置数据集iris，将响应的名称更改为area。

wdbc <- iris
names(wdbc)[1] <- "area"

fitted_value <- rep(0, nrow(wdbc))
estcoef <- vector("list", length = nrow(wdbc))

# LOOCV split leave one out cross validation 
for(i in 1:nrow(wdbc)){
  validation <- wdbc[i,]
  training <- wdbc[-i, ]
  model1 <- lm(area ~ ., data = training)
  fitted_value[i] <- predict(model1, newdata = validation) 
  estcoef[[i]] <- coef(model1) 
}

estcoef <- do.call(rbind, estcoef)
meancoef <- colMeans(estcoef) # coefficent means

编辑。

操作员抱怨错误：

model.frame.default中的错误（术语，newdata，na.action = na.action，xlev = object $ xlevels）：
因子月具有新水平

这是因为数据集仅包含month == "nov"的一行，因此当将模型与该行排除在外时，validation数据集在month列中有一个值training数据集中不存在的数据，而predict不知道该如何处理。

解决方案是使用tryCatch捕获错误并让代码继续运行。下面的函数是上面代码的重复，并调用了tryCatch。它返回系数平均值和拟合值。当predict出错时，返回值为NaN。随意更改。

fitModelLOOCV <- function(DF){

  fitted_value <- rep(0, nrow(DF))
  estcoef <- vector("list", length = nrow(DF))

  # LOOCV split leave one out cross validation 
  for(i in 1:nrow(DF)){
    validation <- DF[i,]
    training <- DF[-i, ]
    model1 <- lm(area ~ ., data = training)
    fitted_value[i] <- tryCatch(predict(model1, newdata = validation),
                                error = function(e) {print(e); NaN})
    estcoef[[i]] <- coef(model1) 
  }

  estcoef <- do.call(rbind, estcoef)
  meancoef <- colMeans(estcoef) # coefficent means
  list(meancoef = meancoef, fitted = fitted_value)
}

fitModelLOOCV(wdbc)

一种替代方法是在运行函数之前删除问题值。（也许只是一个数据点并不那么重要。）

wdbc2 <- wdbc[-which(wdbc$month == "nov"), ]
fitModelLOOCV(wdbc2)

R中的LOOCV拆分的线性回归返回错误

1 个答案: