训练数据集的调整R2不是常数

我将整个数据集分为两部分：一部分用于培训，另一部分用于测试

训练数据集包含70个观察值，测试数据集包含14个观察值。 我的模型有1个数值因变量和5个数值自变量

我用我的训练数据集运行多元回归，每次运行回归代码时，训练数据集中调整后的R2值不是常数，而是不断变化的。其值从60%到70%不等

我用于数据拆分的函数在其代码中包含“sample”和“set.seed”函数

我的问题是。。。在这种情况下，如何从训练数据集中解释调整后R2的非常量值？这正常吗

splitdf <- function(dataframe, seed=NULL) {
   if (!is.null(seed)) set.seed(seed)
   index <- 1:nrow(dataframe)
   trainindex <- sample(index, trunc(length(index)/6))
   testset <- dataframe[trainindex, ]
   trainset <- dataframe[-trainindex, ]
   list(trainset=trainset,testset=testset)
}

splits <- splitdf(df, seed=1234)
str(splits)
my_train <- splits$trainset
my_test <- splits$testset

---

splitdf如果使用相同的种子，则R2不应更改

#sim data
set.seed(12)
data <- data.frame(Y=rnorm(10),X1=rnorm(10),X2=rnorm(10),X3=rnorm(10))

#split data
splits <- splitdf(data, seed=1234)
my_train <- splits$trainset
my_test <- splits$testset
summary(lm(Y~X1+X2+X3,my_train))$r.squared
#[1] 0.3922881

#split again using same seed...get same results
splits <- splitdf(data, seed=1234)
my_train <- splits$trainset
my_test <- splits$testset
summary(lm(Y~X1+X2+X3,my_train))$r.squared
#[1] 0.3922881

#split using different seed...get different results
splits <- splitdf(data, seed=5555)
my_train <- splits$trainset
my_test <- splits$testset
summary(lm(Y~X1+X2+X3,my_train))$r.squared
#[1] 0.7948203

#sim卡数据
种子（12）
数据如果你使用随机样本，我不明白你为什么期望R2是常数。请发布一个代码样本。如果您在代码开头设置.seed
，并调用
sample
两次，它们将为您提供两个不同的分割。要获得相同的随机分割，您需要在第二次分割之前使用相同的种子调用
set.seed
。量子力学在工作和玩耍。嗨，很高兴见到您。我只是想知道是否可以有这么大范围的调整R2（在我的例子中，调整R2从60%到70%不等）。。这正常吗？谢谢你的评论…嗨，乔瑟伯。。。我张贴了密码。。谢谢，谢谢，本杰明。。再问一个问题。。设置seed NULL后，调整后的R2范围在60%到70%之间变化是否正常？如果将seed设置为NULL，则每次将获得不同的训练集，因此R2不应相同。变化的程度取决于你的数据，我无法回答这个问题