r - R 中 LOOCV 拆分的线性回归返回错误

Question

我尝试使用留一交叉验证分割来拟合线性模型。

我用过这个DATASET ，数据集有 517 行和 13 列(其中两列是分类变量)。因变量是“面积”。

我想构建一个包含和不包含分类变量的模型。然后是计算系数均值。当我删除分类变量时，代码运行良好，但是当我保留它们时，出现以下错误 "Error in estcoef[i, ] <- coef(model1) : 要替换的项目数量不是替换长度的倍数”

我的代码如下

wdbc<- read.csv("forestfires.csv") ## upload the dataset
wdbc<-wdbc[-(3:4)] ## If I want to build the model without the catogrical variables
#####################################

fitted_value <- rep(0,nrow(wdbc))
estcoef<-matrix(0,nrow=nrow(wdbc),ncol=ncol(wdbc)) #estimation coefficients

# LOOCV split leave one out cross validation 
for(i in 1:nrow(wdbc)){
  validation<-wdbc[i,]
  training<-wdbc[-i,]
  model1<-lm(area ~ ., data = training)
  fitted_value[i] <- predict(model1, newdata = validation) 
  estcoef[i,]<-coef(model1) 
}

meancoef<-colMeans(estcoef) #coefficent means

有人可以帮我解决这个问题吗？

我很乐意提供任何其他附加信息。

已更新

我包含了前 10 行数据

  X Y month day FFMC   DMC    DC  ISI temp RH wind rain area
1  7 5   mar fri 86.2  26.2  94.3  5.1  8.2 51  6.7  0.0    0
2  7 4   oct tue 90.6  35.4 669.1  6.7 18.0 33  0.9  0.0    0
3  7 4   oct sat 90.6  43.7 686.9  6.7 14.6 33  1.3  0.0    0
4  8 6   mar fri 91.7  33.3  77.5  9.0  8.3 97  4.0  0.2    0
5  8 6   mar sun 89.3  51.3 102.2  9.6 11.4 99  1.8  0.0    0
6  8 6   aug sun 92.3  85.3 488.0 14.7 22.2 29  5.4  0.0    0
7  8 6   aug mon 92.3  88.9 495.6  8.5 24.1 27  3.1  0.0    0
8  8 6   aug mon 91.5 145.4 608.2 10.7  8.0 86  2.2  0.0    0
9  8 6   sep tue 91.0 129.5 692.6  7.0 13.1 63  5.4  0.0    0
10 7 5   sep sat 92.5  88.0 698.6  7.1 22.8 40  4.0  0.0    0

我还包括了最后 10 行，这表明我们只有一行月份 = Nov(最后一行)，即使提供了答案也会返回错误。

> tail(wdbc,10)
    X Y month day FFMC   DMC    DC  ISI temp RH wind rain  area
508 2 4   aug fri 91.0 166.9 752.6  7.1 25.9 41  3.6  0.0  0.00
509 1 2   aug fri 91.0 166.9 752.6  7.1 25.9 41  3.6  0.0  0.00
510 5 4   aug fri 91.0 166.9 752.6  7.1 21.1 71  7.6  1.4  2.17
511 6 5   aug fri 91.0 166.9 752.6  7.1 18.2 62  5.4  0.0  0.43
512 8 6   aug sun 81.6  56.7 665.6  1.9 27.8 35  2.7  0.0  0.00
513 4 3   aug sun 81.6  56.7 665.6  1.9 27.8 32  2.7  0.0  6.44
514 2 4   aug sun 81.6  56.7 665.6  1.9 21.9 71  5.8  0.0 54.29
515 7 4   aug sun 81.6  56.7 665.6  1.9 21.2 70  6.7  0.0 11.16
516 1 4   aug sat 94.4 146.0 614.7 11.3 25.6 42  4.0  0.0  0.00
517 6 3   nov tue 79.5   3.0 106.7  1.1 11.8 31  4.5  0.0  0.00

Answer 1

如果不创建矩阵来存储系数，而是将它们存储在列表中，那么问题就可以轻松解决。这样就没有需要更换的元素了，一切都会在以后处理。

在下面的代码中，我使用内置数据集iris，将响应的名称更改为area。

wdbc <- iris
names(wdbc)[1] <- "area"

fitted_value <- rep(0, nrow(wdbc))
estcoef <- vector("list", length = nrow(wdbc))

# LOOCV split leave one out cross validation 
for(i in 1:nrow(wdbc)){
  validation <- wdbc[i,]
  training <- wdbc[-i, ]
  model1 <- lm(area ~ ., data = training)
  fitted_value[i] <- predict(model1, newdata = validation) 
  estcoef[[i]] <- coef(model1) 
}

estcoef <- do.call(rbind, estcoef)
meancoef <- colMeans(estcoef) # coefficent means

编辑。

Op 提示一个错误:

Error in model.frame.default(Terms, newdata, na.action = na.action, xlev = object$xlevels) :
factor month has new level nov

这是因为数据集只有一行 month == "nov"，因此在拟合模型时忽略这一行，validation 数据集month 列中的值不存在于 training 数据集中，并且 predict 不知道如何处理它。

解决方案是使用tryCatch捕获错误并让代码继续运行。下面的函数是上面代码的重复，并调用 tryCatch。它返回系数平均值和拟合值。当 predict 给出错误时，返回值为 NaN。随意更改。

fitModelLOOCV <- function(DF){

  fitted_value <- rep(0, nrow(DF))
  estcoef <- vector("list", length = nrow(DF))

  # LOOCV split leave one out cross validation 
  for(i in 1:nrow(DF)){
    validation <- DF[i,]
    training <- DF[-i, ]
    model1 <- lm(area ~ ., data = training)
    fitted_value[i] <- tryCatch(predict(model1, newdata = validation),
                                error = function(e) {print(e); NaN})
    estcoef[[i]] <- coef(model1) 
  }

  estcoef <- do.call(rbind, estcoef)
  meancoef <- colMeans(estcoef) # coefficent means
  list(meancoef = meancoef, fitted = fitted_value)
}

fitModelLOOCV(wdbc)

另一种方法是在运行函数之前删除问题值。 (也许只有一个数据点并不那么重要。)

wdbc2 <- wdbc[-which(wdbc$month == "nov"), ]
fitModelLOOCV(wdbc2)