R中岭回归的100倍交叉验证

我有一个巨大的数据集，而且我对R非常陌生，所以我能想到的实现100倍CV的唯一方法是通过许多for和if，这使得我的巨大数据集效率极低，甚至可能需要几个小时来编译。我开始寻找这样做的软件包，并在stackoverflow上找到了很多与CV相关的主题，我一直在尝试使用我找到的那些主题，但没有一个适合我，我想知道我在这里做错了什么

例如，此代码来自

DAAG

软件包：

cv.lm(data=Training_Points, form.lm=formula(t(alpha_cofficient_values)
%*% Training_Points), m=100, plotit=TRUE)

…给了我以下错误：

Error in formula.default(t(alpha_cofficient_values)
%*% Training_Points) : invalid formula

我正在尝试进行内核岭回归，因此我已经计算了alpha系数值。所以为了得到预测，我只需要做

t（alpha\u cofficient\u值）%*%Test\u点

或者简单地

crossprod（alpha\u cofficient\u值，Test\u点）

，这将给出未知值的所有预测。所以我假设为了测试我的模型，我应该做同样的事情，但是对于已知的值，因此我需要使用我的训练点数据集

我的训练点数据集有9000列和9000行。我可以写for's和if's，每次做100倍CV，取100行作为测试数据，留下8900行进行训练，直到完成整个数据集，然后取平均值，然后与已知值进行比较。但是，难道没有一个包可以做同样的事情吗？（理想情况下，还应将预测值与已知值进行比较，如果可能，绘制它们）

请原谅我的基本问题，我对R和交叉验证都很陌生，所以我可能缺少一些基本点。

工具。该方法在保持完全交叉验证能力的同时显著加快了计算速度。此外，包开发人员还添加了默认的交叉验证功能

我以前没有使用过这个软件包，但是它看起来非常灵活和简单。此外，通过

constructKRRLearner（）

函数，KRR作为

CVST.learner

对象随时可用。 要使用crossval功能，您必须首先使用

constructData（x，y）

功能将数据转换为

CVST.data

对象，并使用

x

特征数据和

y

标签。接下来，您可以使用其中一个交叉验证函数在定义的参数空间上进行优化。您可以根据自己的喜好调整

cv

或

fastcv

方法的设置

交叉验证吐出最佳参数后，您可以使用

learn

功能创建模型，然后使用

predict

新标签创建模型。 我从CRAN的软件包文档中拼凑了一个例子

# contruct CVST.data using constructData(x,y)
# constructData(x,y)

# Load some data..
ns = noisySinc(1000)
# Kernel ridge regression
krr = constructKRRLearner()
# Create parameter Space
params=constructParams(kernel="rbfdot", sigma=10^(-3:3), 
                       lambda=c(0.05, 0.1, 0.2, 0.3)/getN(ns))

# Run Crossval
opt = fastCV(ns, krr, params, constructCVSTModel())
# OR.. much slower!
opt = CV(ns, krr, params, fold=100)

# p = list(kernel=opt[[1]]$kernel, sigma=opt[[1]]$sigma, lambda=opt[[1]]$lambda)
p = opt[[1]]
# Create model
m = krr$learn(ns, p)
# Predict with model
nsTest = noisySinc(10000)
pred = krr$predict(m, nsTest)
# Evaluate..
sum((pred - nsTest$y)^2) / getN(nsTest)

---

如果需要进一步加速，可以并行运行交叉验证。查看

doparallel

软件包的示例。

我不太明白您是如何获得系数的，因为100种不同型号的系数会有所不同？那么，你有一个9000 x 100的系数矩阵吗？你可以使用插入符号包（一旦我检查了运行所需的时间，我会添加一个答案）。拥有9k预测变量确实不可避免地会让它变得相当缓慢。您需要进行100倍交叉验证吗？10倍是否合理？啊，插入符号没有内置内核岭回归。你必须加上它。