私のGLMのn倍交差検証中に `predict`エラーが発生しました

Question

この関数を実行してn倍交差検証を実行しています。誤分類率は、折り畳みに応じて変化しない。私は10または50を実行する場合、私はまた、警告を取得しています：

：私は実行する場合

「警告メッセージ

『NEWDATA』が見つかり19行が、変数が189行を持っていました」関数の一部ではないコードは、私が欲しいと思っている - >折りたたみ== 1の場合、10％を引き出し、モデルの90％をモデルで実行し、残りの10％を予測します。 変数と折り目の数によって変動が表示されない理由は誰にもありますか？

library("MASS") 
data(birthwt) 
data=birthwt 

n.folds=10 

jim = function(x,y,n.folds,data){ 

    for(i in 1:n.folds){ 
    folds <- cut(seq(1,nrow(data)),breaks=n.folds,labels=FALSE)  
    testIndexes <- which(folds==i,arr.ind=TRUE) 
    testData <- data[testIndexes, ] 
    trainData <- data[-testIndexes, ] 
    glm.train <- glm(y ~ x, family = binomial, data=trainData) 
    predictions=predict(glm.train, newdata =testData, type='response') 
    pred.class=ifelse(predictions< 0, 0, 1) 
    } 

    rate=sum(pred.class!= y)/length(y) 
    print(head(rate)) 
    } 

jim(birthwt$smoke, birthwt$low, 10, birthwt) 

Answer 1

私は今、私のコメントを答えにしています。

jim <- function(x, y, n.folds, data) { 

    pred.class <- numeric(0) ## initially empty; accumulated later 
    for(i in 1:n.folds){ 
    folds <- cut(seq(1,nrow(data)), breaks = n.folds, labels = FALSE) 
    testIndexes <- which(folds == i) ## no need for `arr.ind = TRUE` 
    testData <- data[testIndexes, ] 
    trainData <- data[-testIndexes, ] 
    ## `reformulate` constructs formula from strings. Read `?reformulate` 
    glm.train <- glm(reformulate(x, y), family = binomial, data = trainData) 
    predictions <- predict(glm.train, newdata = testData, type = 'response') 
    ## accumulate the result using `c()` 
    ## change `predictions < 0` to `predictions < 0.5` as `type = response` 
    pred.class <- c(pred.class, ifelse(predictions < 0.5, 0, 1)) 
    } 

    ## to access a column with string, use `[[]]` not `$` 
    rate <- sum(pred.class!= data[[y]])/length(data[[y]]) 
    rate ## or `return(rate)` 
    } 

jim("smoke", "low", 10, birthwt) 
# [1] 0.3121693 

備考：

1. それは副作用がありませんが、ここではarr.ind = TRUEを置く必要はありません。
2. 分類に問題があります。 type = "response"を設定し、次にifelse(predictions < 0, 0, 1)を使用します。それについて考えると、あなたはいつもpred.classのために1を得ます。
3. forループの各繰り返しでpred.classが上書きされます。私はあなたが結果を蓄積したいと思う。だからpred.class <- c(pred.class, ifelse(predictions < 0.5, 0, 1));
4. glmおよびpredictの間違った使用。モデル式に$を入れるのは間違いです。 Predict() - Maybe I'm not understanding itをお読みください。ここでは、変数名（文字列）を受け入れるように関数を変更し、適切なモデル式をglmの中で使用しました。この変更には、data[[y]]とyをrate = sum(pred.class!= y)/length(y)に設定する必要があります。
5. rateをスクリーンに印刷するのではなく、返すことをお勧めします。したがって、print行を明示的にreturn(rate)、または暗黙的にrateに置き換えてください。
6. ifelse(predictions < 0.5, 0, 1)をas.integer(predictions < 0.5)に置き換えることはできますが、上記で変更していません。