我正在嘗試使用K = 5來製作K倍CV迴歸模型。我嘗試使用「boot」包cv.glm函數,但是由於引導包總是在它旁邊計算一個LOOCV MSE,所以我的內存耗盡了內存。所以我決定手動做,但我遇到了以下問題。我嘗試將我的數據框分成5個長度相等的矢量,其中包含我的df的1/5的rownumbers樣本,但是我從第3個摺疊中得到無法解釋的長度。手動創建摺疊以進行K倍交叉驗證R
a <- sample((d<-1:1000), size = 100, replace = FALSE)
b <- sample((d<-1:1000), size = 100, replace = FALSE)
c <- sample((d<-1:1000), size = 100, replace = FALSE)
df <- data.frame(a,b,c)
head(df)
# create first fold (correct: n=20)
set.seed(5)
K1row <- sample(x = nrow(df), size = (nrow(df)/5), replace = FALSE, prob = NULL)
str(K1row) # int [1:20] 21 68 90 28 11 67 50 76 88 96 ...
# create second fold (still going strong: n=20)
set.seed(5)
K2row <- sample(x = nrow(df[-K1row,]), size = ((nrow(df[-K1row,]))/4), replace = FALSE, prob = NULL)
str(K2row) # int [1:20] 17 55 72 22 8 53 40 59 69 76 ...
# create third fold (this is where it goes wrong: n=21)
set.seed(5)
K3row <- sample(x = nrow(df[-c(K1row,K2row),]), size = ((nrow(df[-c(K1row,K2row),]))/3), replace = FALSE, prob = NULL)
str(K3row) # int [1:21] 13 44 57 18 7 42 31 47 54 60 ...
# create fourth fold (and it gets worse: n=26)
set.seed(5)
K4row <- sample(x = nrow(df[-c(K1row,K2row,K3row),]), size = ((nrow(df[-c(K1row,K2row,K3row),]))/2), replace = FALSE, prob = NULL)
str(K4row) # int [1:26] 11 35 46 14 6 33 25 37 43 5 ...
向量長度似乎從K = 3增加。任何人都可以向我解釋我做錯了什麼?!我的代碼(和推理)似乎是合乎邏輯的,但結果表示否則..我很多先謝謝了!
這是因爲K1row和K2row有一些共同的元素。您正在進行有效的取樣。 – ddunn801