我在 R 上遇到了一个奇怪的问题,我似乎无法解决。
我尝试编写一个函数,对 R 中的逐步过程选择的模型执行 K 折交叉验证。(我知道逐步过程的问题,纯粹是为了比较目的):)
现在的问题是,如果我定义函数参数(linmod,k,方向)并运行函数的内容,它就可以完美地工作。但是,如果我将其作为函数运行,则会收到一条错误消息,指出找不到 datas.train 对象。
我尝试使用 debug() 单步执行该函数,并且该对象显然存在,但当我实际运行该函数时,R 说它不存在。如果我只是使用 lm() 拟合模型,它就可以正常工作,所以我相信这是循环中的步骤函数在函数内部的问题。 (尝试注释掉步骤命令,并将预测设置为普通线性模型的预测。)
#CREATE A LINEAR MODEL TO TEST FUNCTION
lm.cars <- lm(mpg~.,data=mtcars,x=TRUE,y=TRUE)
#THE FUNCTION
cv.step <- function(linmod,k=10,direction="both"){
response <- linmod$y
dmatrix <- linmod$x
n <- length(response)
datas <- linmod$model
form <- formula(linmod$call)
# generate indices for cross validation
rar <- n/k
xval.idx <- list()
s <- sample(1:n, n) # permutation of 1:n
for (i in 1:k) {
xval.idx[[i]] <- s[(ceiling(rar*(i-1))+1):(ceiling(rar*i))]
}
#error calculation
errors <- R2 <- 0
for (j in 1:k){
datas.test <- datas[xval.idx[[j]],]
datas.train <- datas[-xval.idx[[j]],]
test.idx <- xval.idx[[j]]
#THE MODELS+
lm.1 <- lm(form,data= datas.train)
lm.step <- step(lm.1,direction=direction,trace=0)
step.pred <- predict(lm.step,newdata= datas.test)
step.error <- sum((step.pred-response[test.idx])^2)
errors[j] <- step.error/length(response[test.idx])
SS.tot <- sum((response[test.idx] - mean(response[test.idx]))^2)
R2[j] <- 1 - step.error/SS.tot
}
CVerror <- sum(errors)/k
CV.R2 <- sum(R2)/k
res <- list()
res$CV.error <- CVerror
res$CV.R2 <- CV.R2
return(res)
}
#TESTING OUT THE FUNCTION
cv.step(lm.cars)
有什么想法吗?