基于R中的模拟数据计算均方预测误差

Question

我有以下数据。我的目标是通过重复 100 次使用交叉验证来计算均方预测误差 (MSPE)。

y=rnorm(250,0,2)
    x1=rnorm(250,0,3)
    x2=rnorm(250,1,1)
    datasim=data.frame(y,x1,x2)

首先，我需要将数据拆分为训练数据和测试数据。所以我首先使用 R 中的 sample.int 函数计算了指数。根据这些指数，我将数据分为训练集和测试集。

    dd=replicate(100,sample.int(n = nrow(datasim), 
size = floor(.75*nrow(datasim)), replace = F))

          train_set=apply(dd,2,function(y)
          datasim[y, ])

        test_set=apply(dd,2,function(y)
          datasim[-y, ])

之后我必须使用训练数据来拟合模型。并且基于测试数据，我需要预测并获得均方预测误差（MSPE）。我不知道如何从这里开始。特别是我不知道如何 link 训练集和测试集，以便我可以预测和计算 MSPE。

我使用另一个 lapply 函数中的 lapply 函数尝试了它。

lapply(test_set, function(train_set) {
  lapply(train_set,function(x)
    mean((test_set$y- predict.lm(y ~ x1 + x2, data = train_set))^2)

}
  ))

但是 this.Can 似乎有问题有人帮我解决这个问题吗？还有比这个方法更简单的方法吗？

谢谢

Answer 1

要replicate记得要传一个函数

这是让你继续前进的东西，你也应该 predict 在测试数据上，在对 predict.

的调用中使用 newdata

首先，此函数完成所有关于拆分数据和模型的部分，请注意，您可以传递不同的 perc，如果您想稍后更改。

sim_function <- function(datas, perc=0.75) {
  idx = sample(nrow(datas), floor(perc*nrow(datas)), replace = F) # sample idx

  train = datas[idx, ]
  test = datas[-idx, ]

  pred_lm = predict(lm(y~x1+x2,data=train), # model on train data
              newdata = test[, -1]) # predict on test data

  return(mean((test$y - pred_lm)^2)) # mse and return it
}

现在我们可以调用replicate:

sim_rep <- replicate(100, sim_function(datasim)) # or sim_function(datasim, perc = 0.60) as an example
head(sim_rep)
[1] 4.664940 3.543390 3.119503 3.493320 4.182965 5.101870

数据：

set.seed(123) # always remember this when you simulate
y=rnorm(250,0,2)
x1=rnorm(250,0,3)
x2=rnorm(250,1,1)
datasim=data.frame(y,x1,x2)

基于R中的模拟数据计算均方预测误差

calculating mean squared prediction error based on simulated data in R

simulation

r

lapply

lm