Testing 测试样本上的最佳子集回归（k倍后）
我正在R studio中运行最佳子集回归分析。我正在使用以下库： 图书馆（外文） 图书馆（glmnet） 图书馆（caTools） 图书馆（飞跃） 图书馆（ISLR） 图书馆（knitr） 图书馆（ggvis） 我想将我的样本分为三个样本：培训、交叉验证和测试（可能是50%、30%、20%） 我已经成功地在我们的培训中运行了best subset，并使用以下脚本交叉验证了这些结果：Testing 测试样本上的最佳子集回归（k倍后）,testing,regression,subset,cross-validation,training-data,Testing,Regression,Subset,Cross Validation,Training Data,我正在R studio中运行最佳子集回归分析。我正在使用以下库： 图书馆（外文） 图书馆（glmnet） 图书馆（caTools） 图书馆（飞跃） 图书馆（ISLR） 图书馆（knitr） 图书馆（ggvis） 我想将我的样本分为三个样本：培训、交叉验证和测试（可能是50%、30%、20%） 我已经成功地在我们的培训中运行了best subset，并使用以下脚本交叉验证了这些结果： k = 10 set.seed(1) folds = sample(1:k,nrow(best_demo_trai
k = 10
set.seed(1)
folds = sample(1:k,nrow(best_demo_train),replace=TRUE)
table(folds)
cv.errors=matrix(NA,k,5, dimnames=list(NULL, paste(1:5)))
predict.regsubsets = function(object, newdata, id, ...) {
form = as.formula(object$call[[2]])
mat = model.matrix(form, newdata)
coefi = coef(object, id = id)
mat[, names(coefi)] %*% coefi
}
for(j in 1:k){
best.fit = regsubsets(selfaware ~., data=best_demo_train[folds != j,])
for (i in 1:5){
pred = predict(best.fit, best_demo_train[folds == j, ], id = i)
cv.errors[j, i] = mean((best_demo_train$selfaware[folds == j] - pred)^2)
}
}
mean.cv.errors=apply(cv.errors,2,mean)
mean.cv.errors
which.min(mean.cv.errors)
par(mfrow=c(1,1))
plot(mean.cv.errors,type='b')
points(which.min(mean.cv.errors),mean.cv.errors[which.min(mean.cv.errors)],
col="red",cex=2,pch=20)
reg.best=regsubsets (selfaware~.,data=best_demo_train)
coef(reg.best ,3)
reg.summary=summary(reg.best ,3)
reg.summary$adjr2