在R中使用LOOCV分割的线性回归返回错误

我试着用剔除交叉验证分割来拟合线性模型

我使用它，数据集有517行13列（其中两个是分类变量）。因变量为“面积”

---

我想建立一个有分类变量和没有分类变量的模型。然后是计算平均系数。当我删除分类变量时，代码运行良好，但是当我保留它们时，我在estcoef[I，]中得到了以下错误如果不创建矩阵来存储系数，而是将系数存储在

列表中，则问题很容易解决。这样，就不会有任何项目需要替换，所有项目都将在以后处理

在下面的代码中，我使用内置数据集
iris
，将响应的名称更改为
区域

wdbc <- iris
names(wdbc)[1] <- "area"

fitted_value <- rep(0, nrow(wdbc))
estcoef <- vector("list", length = nrow(wdbc))

# LOOCV split leave one out cross validation 
for(i in 1:nrow(wdbc)){
  validation <- wdbc[i,]
  training <- wdbc[-i, ]
  model1 <- lm(area ~ ., data = training)
  fitted_value[i] <- predict(model1, newdata = validation) 
  estcoef[[i]] <- coef(model1) 
}

estcoef <- do.call(rbind, estcoef)
meancoef <- colMeans(estcoef) # coefficent means

另一种方法是在运行函数之前删除问题值（可能只有一个数据点并不重要）

wdbc2如果不创建矩阵来存储系数，而是将系数存储在
列表中，则问题很容易解决。这样就不会有可替换的项，所有项都将在以后处理

在下面的代码中，我使用内置数据集
iris
，将响应的名称更改为
区域

wdbc <- iris
names(wdbc)[1] <- "area"

fitted_value <- rep(0, nrow(wdbc))
estcoef <- vector("list", length = nrow(wdbc))

# LOOCV split leave one out cross validation 
for(i in 1:nrow(wdbc)){
  validation <- wdbc[i,]
  training <- wdbc[-i, ]
  model1 <- lm(area ~ ., data = training)
  fitted_value[i] <- predict(model1, newdata = validation) 
  estcoef[[i]] <- coef(model1) 
}

estcoef <- do.call(rbind, estcoef)
meancoef <- colMeans(estcoef) # coefficent means

另一种方法是在运行函数之前删除问题值（可能只有一个数据点并不重要）

wdbc2你看过
coef（model1）
和
length（coef（model1））
吗？你似乎假设系数的数量与列的数量相同，但事实并非如此。因为我没有你的数据，我无法检查有什么不同。但是
coef（model1）
应该是一个很好的命名向量，它可以解释这个问题……如果其中一个回归器是以
n
级别分类的，那么这个变量可能有更多的系数，
n-1
。加上其他回归器。@Gregor，我提供了问题中数据的链接。@Rui Barradas，那么我应该怎么做才能使e我的代码就像没有分类变量一样工作。完成了，请看我的答案。你看过
coef（model1）
和
length（coef（model1））
？你似乎假设系数的数量与列的数量相同，而事实并非如此。因为我没有你的数据，我无法检查有什么不同。但是
coef（模型1）
应该是一个很好的命名向量，它可以解释这个问题……如果其中一个回归器是以
n
级别分类的，那么这个变量可能有更多的系数，
n-1
。加上其他回归器。@Gregor，我提供了问题中数据的链接。@Rui Barradas，那么我应该怎么做才能使e我的代码在没有分类变量的情况下工作。完成，请参阅我的答案。谢谢，但当我在model.frame.default（Terms，newdata，na.action=na.action，xlev=object$xlevels）中对数据运行代码时，我得到了“Error”：factor month具有新级别nov'@jeza错误出现在对
predict
的调用中。这是因为只有一行
month==“nov"。因此，当它从训练数据中被重新编译时，拟合的模型没有<代码> NOV。然后尝试用一个新的水平来预测，并且<代码>预测< /代码>不知道如何处理这个值。@ JEZA看到编辑。也许添加的代码解决了这个问题。我明白了。好的，有没有解决这个问题的方法？谢谢你，我会考虑的。是一个解决方案，除非我们得到其他人的答案。谢谢，但是当我对我的数据运行代码时，我得到了“model.frame.default中的错误”（Terms，newdata，na.action=na.action，xlev=object$xlevels）：factor month具有新级别nov'@jeza错误在调用
predict
中。这是因为只有一行
month==“nov”。因此，当它从训练数据中被重新编译时，拟合的模型没有<代码> NOV。然后尝试用一个新的水平来预测，并且<代码>预测< /代码>不知道如何处理这个值。@ JEZA看到编辑。也许添加的代码解决了这个问题。我明白了。好的，有没有解决这个问题的方法？谢谢你，我会考虑的。这是一个解决方案，除非我们得到其他人的答案。
> tail(wdbc,10)
    X Y month day FFMC   DMC    DC  ISI temp RH wind rain  area
508 2 4   aug fri 91.0 166.9 752.6  7.1 25.9 41  3.6  0.0  0.00
509 1 2   aug fri 91.0 166.9 752.6  7.1 25.9 41  3.6  0.0  0.00
510 5 4   aug fri 91.0 166.9 752.6  7.1 21.1 71  7.6  1.4  2.17
511 6 5   aug fri 91.0 166.9 752.6  7.1 18.2 62  5.4  0.0  0.43
512 8 6   aug sun 81.6  56.7 665.6  1.9 27.8 35  2.7  0.0  0.00
513 4 3   aug sun 81.6  56.7 665.6  1.9 27.8 32  2.7  0.0  6.44
514 2 4   aug sun 81.6  56.7 665.6  1.9 21.9 71  5.8  0.0 54.29
515 7 4   aug sun 81.6  56.7 665.6  1.9 21.2 70  6.7  0.0 11.16
516 1 4   aug sat 94.4 146.0 614.7 11.3 25.6 42  4.0  0.0  0.00
517 6 3   nov tue 79.5   3.0 106.7  1.1 11.8 31  4.5  0.0  0.00

wdbc <- iris
names(wdbc)[1] <- "area"

fitted_value <- rep(0, nrow(wdbc))
estcoef <- vector("list", length = nrow(wdbc))

# LOOCV split leave one out cross validation 
for(i in 1:nrow(wdbc)){
  validation <- wdbc[i,]
  training <- wdbc[-i, ]
  model1 <- lm(area ~ ., data = training)
  fitted_value[i] <- predict(model1, newdata = validation) 
  estcoef[[i]] <- coef(model1) 
}

estcoef <- do.call(rbind, estcoef)
meancoef <- colMeans(estcoef) # coefficent means

fitModelLOOCV <- function(DF){

  fitted_value <- rep(0, nrow(DF))
  estcoef <- vector("list", length = nrow(DF))

  # LOOCV split leave one out cross validation 
  for(i in 1:nrow(DF)){
    validation <- DF[i,]
    training <- DF[-i, ]
    model1 <- lm(area ~ ., data = training)
    fitted_value[i] <- tryCatch(predict(model1, newdata = validation),
                                error = function(e) {print(e); NaN})
    estcoef[[i]] <- coef(model1) 
  }

  estcoef <- do.call(rbind, estcoef)
  meancoef <- colMeans(estcoef) # coefficent means
  list(meancoef = meancoef, fitted = fitted_value)
}

fitModelLOOCV(wdbc)

wdbc2 <- wdbc[-which(wdbc$month == "nov"), ]
fitModelLOOCV(wdbc2)