如何在R中执行CV.SuperLearner获得预测值

Question

我有一个数据集，我正在对其执行逐步回归，并进行交叉验证。我最初使用交叉验证执行了多元线性回归，并且能够看到我的测试集的值与每个折叠的训练集的值有多接近(我使用该值绘制了一个图表，在其中我测量了性能)。我也要做同样的事情，但要逐步回归。我在R中执行了以下算法：

test <- CV.SuperLearner(Y,X, V = 10, SL.library = SL.library, verbose = TRUE, method = "method.NNLS")

但我看不出我如何能够查看每个折叠的值，以及它们有多接近。有没有办法让我做到这一点？

我试过print和summary，但他们不能提供我想要的信息。

谢谢

Answer 1

在?CV.SuperLearner中解释了这一点:结果包含一个AllSL插槽，其中包含所有的折叠。

# Sample data
library(SuperLearner)
example(CV.Superlearner)

str(test$AllSL)             # You see a list with V=10 elements
test$AllSL[[1]]             # The first fold
predict( test$AllSL[[1]] )  # The predicted values

如果要与实际值进行比较，则需要知道文件夹中包含了哪些观测值。

plot( 
  Y[ test$folds[[1]] ],
  predict( test$AllSL[[1]] )$pred,
  xlab = "Actual", ylab = "Predicted",
  main = "First fold"
)  

更一般地，要检查对象的内容，除了使用print、summary或plot之外，还可以使用str和names。

str(test)              # Too long to be useful
names(test)
str(test$AllSL)
str(test$AllSL[[1]])
str(test$folds)