nls在R中省略一个cv图

我试着在非线性回归的交叉验证中去掉一个，然后画出最佳拟合。我觉得我的loocv和plot函数完全错了。谁能澄清我做错了什么

data(Boston, package='MASS')
y <- Boston$nox
x <- Boston$dis
n <- length(x)
nla <- n
las <- seq(0, .85, length=nla)
cvs <- rep(0, nla)
for(j in 1:nla) {
  prs <- rep(0,n)
  for(i in 1:n) {
    yi <- y[-i]
    xi <- x[-i]
    d <- nls(y~ A + B * exp(C * x), start=list(A=0.5, B=0.5, C=-0.5))
    prs[i] <- predict(d, newdata=data.frame(xi=x[i]))
  }
 cvs[j] <- mean( (y - prs)^2 )
}
cvs[j]
plot(y~x, pch=19, col='gray', cex=1.5,xlab='dis', ylab='nox')
d <- nls(y~ A + B * exp(C * x), start=list(A=0.5, B=0.5, C=-0.5))
lines(predict(d)[order(x)]~sort(x), lwd=4, col='black')

数据（波士顿，马萨诸塞州）
y您似乎很接近，但在您的循环中，您仍然调用了完整的数据集
x
和
y
。据我所知，您只需要一个循环就可以使模型适应每个遗漏一个场景。因此，我看不出需要变量
las
或
prs
。作为参考，该图显示了适用于完整数据集的nls模型的遗漏均方误差（LOO MSE）和残差均方误差（MSE）

脚本：
require（质量）
数据（波士顿，马萨诸塞州）
Y
require(MASS)
data(Boston, package='MASS')
y <- Boston$nox
x <- Boston$dis
n <- length(x)

cvs <- rep(0, n)
for(j in seq(n)){
  ys <- y[-j]
  xs <- x[-j]
  d <- nls(ys ~ A + B * exp(C * xs), start=list(A=0.5, B=0.5, C=-0.5))
  cvs[j] <- (y[j] - predict(d, data.frame(xs=x[j])))^2
  print(paste0(j, " of ", n, " finished (", round(j/n*100), "%)"))
}

plot(y~x, pch=19, col='gray', cex=1.5, xlab='dis', ylab='nox')
d <- nls(y~ A + B * exp(C * x), start=list(A=0.5, B=0.5, C=-0.5))
lines(predict(d)[order(x)]~sort(x), lwd=4, col='black')
usr <- par("usr")
text(usr[1] + 0.9*(usr[2]-usr[1]), usr[3] + 0.9*(usr[4]-usr[3]), paste("LOO MSE", "=", round(mean(cvs), 5)), pos=2)
text(usr[1] + 0.9*(usr[2]-usr[1]), usr[3] + 0.8*(usr[4]-usr[3]), paste("MSE", "=", round(mean(resid(d)^2), 5)), pos=2)