r - R 中逻辑回归的交叉验证函数

Question

我的学习背景主要是 python + scikit，我想知道如何获得 R 中逻辑回归模型的交叉验证准确性？我正在寻找并惊讶地发现没有简单的方法可以做到这一点。我正在寻找等效的:

import pandas as pd
from sklearn.cross_validation import cross_val_score
from sklearn.linear_model import LogisticRegression

## Assume pandas dataframe of dataset and target exist.

scores = cross_val_score(LogisticRegression(),dataset,target,cv=10)
print(scores)

对于 R:我有:

model = glm(df$Y~df$X,family=binomial')
summary(model) 

现在我陷入困境了。原因是，我的 R 模型的偏差是 1900，这意味着它不适合，但 python 模型给了我 85% 10 倍交叉验证准确率..这意味着它很好。看起来有点奇怪...所以我想在 R 中运行 cross val 看看结果是否相同。

感谢任何帮助!

Answer 1

使用插入符包的 R 版本:

library(caret)

# define training control
train_control <- trainControl(method = "cv", number = 10)

# train the model on training set
model <- train(target ~ .,
               data = train,
               trControl = train_control,
               method = "glm",
               family=binomial())

# print cv scores
summary(model)