问题描述
以下是使用 for
循环进行 $k$-fold 交叉验证的算法:
''
library(tidyverse)
default.data <- read.csv("Default.csv",stringsAsFactors = T)
k <- 10
obs <- nrow(default.data)
set.seed(1)
partition <- (1:obs) %% k + 1
fold <- sample(partition,length(partition))
##################################################
logistic.fit <- vector("list",k)
logistic.prob <- vector("numeric",obs)
logistic.pred <- rep("No",obs)
for (i in 1:k) {
logistic.fit[[i]] <- glm(default ~ student + balance,family = binomial,data = default.data[fold!= i,])
logistic.prob[fold == i] <- predict(logistic.fit[[i]],default.data[fold==i,],type="response")
}
logistic.pred[logistic.prob > 0.5] <- "Yes"
result <- mean(default.data["default"] != logistic.pred)
我不知道如何使用 tapply()
函数(请参见下文)重写哈希标签行之间的代码,该函数应用匿名函数来计算分类错误的数量(而不是错误率) ) 在每个折叠上。
输出是一个向量,包含每个折叠的错误数,将进一步由 %>% sum
聚合并除以观察总数以产生错误率。
您可能需要一个名为 logistic.pred
的局部变量来计算和存储中间结果。但是这个局部变量会比上面代码中的对应变量小得多,因为它只存储折叠的中间结果。
tapply(1:obs,fold,function(idx){
# Eidt me
}
) %>% sum %>% `/`(obs)
解决方法
暂无找到可以解决该程序问题的有效方法,小编努力寻找整理中!
如果你已经找到好的解决方法,欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@)