r - 调试交叉验证代码

Question

我正在尝试手动进行 10 倍交叉验证。我的数据集称为垃圾邮件。

我的代码如下:

n <- nrow(spam) #4600 rows in spam data set
ncp <- length(spam.rpart2$cptable[,"CP"]) #20 CP values
group <- rep(1:10,ceiling(n/10))[1:n] #fill 4600 values with 1 to 10
permid <- sample(1:n) #permute numbers
cvtable <- matrix(NA, n, ncp) 

for(j in 1:20) {
    for(i in 1:10) {
    trainingset <- permid[group!=i]
    testset <- permid[group==i]
    spam.rpart.test <- rpart(spam ~ ., 
                             method = "class",
                             cp = spam.rpart2$cptable[j,"CP"],
                             data = spam[trainingset,])
    cvtable[testset,j] <- predict(spam.rpart.test, 
                                  data=spam[testset,])[,1]
#incorrect dimensions!
     }
}

但是，我在倒数第三行遇到了麻烦。预测值应该只预测 460 个值，但它给了我 4160 个值，因此 for 循环代码没有运行。我收到以下错误:

Error in cvtable[testset, j] <- predict(spam.rpart.test, data = spam[testset,  : 
  number of items to replace is not a multiple of replacement length

Answer 1

您想要根据 ?predict.rpart 指定 newdata 进行预测，否则您将获得模型中保存的训练集的预测。更正后的代码可能如下所示:

cvtable[testset, j] <- predict(spam.rpart.test, 
                              newdata=spam[testset,])[,1]

神秘的是错误消息应该标记 4140 替换条目，而不是 4160。