首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >R:如何在SuperLearner中指定我自己的简历折叠

R:如何在SuperLearner中指定我自己的简历折叠
EN

Stack Overflow用户
提问于 2020-06-23 12:13:29
回答 2查看 118关注 0票数 2
代码语言:javascript
复制
library(SuperLearner)
library(MASS)
set.seed(23432)
## training set
n <- 500
p <- 50
X <- matrix(rnorm(n*p), nrow = n, ncol = p)
colnames(X) <- paste("X", 1:p, sep="")
X <- data.frame(X)
Y <- X[, 1] + sqrt(abs(X[, 2] * X[, 3])) + X[, 2] - X[, 3] + rnorm(n)


sl_cv = SuperLearner(Y = Y, X = X, family = gaussian(),
                  SL.library = c("SL.mean", "SL.ranger"),
                  verbose = TRUE, cvControl = list(V = 5))

在上面的代码中,我执行了一个5折的CV来训练一个SuperLearner。但是,如果我想在数据中手动创建自己的折叠,该怎么办?我对此很感兴趣,因为我知道我的数据中有簇,并且我想在我创建的折叠上执行CV。

例如,下面是我的玩具数据的五个文件夹:split1,...,split5。有没有办法使用这5个折叠来执行交叉验证,而不是让SuperLearner自己拆分数据?

代码语言:javascript
复制
set.seed(1)
index <- sample(1:5, size = nrow(X), replace = TRUE, prob = c(0.2, 0.2, 0.2, 0.2, 0.2)) 
split1 <- X[index == 1, ]
split2 <- X[index == 2, ]
split3 <- X[index == 3, ]
split4 <- X[index == 4, ]
split5 <- X[index == 5, ]
split1.y <- Y[index == 1]
split2.y <- Y[index == 2]
split3.y <- Y[index == 3]
split4.y <- Y[index == 4]
split5.y <- Y[index == 5]
EN

回答 2

Stack Overflow用户

回答已采纳

发布于 2020-07-02 02:26:05

重复准备数据,就有了完整的解决方案。最后一行验证训练数据是否排除了验证数据。

代码语言:javascript
复制
library(SuperLearner)
library(MASS)
set.seed(23432)
## training set
n <- 500
p <- 50
X <- matrix(rnorm(n*p), nrow = n, ncol = p)
colnames(X) <- paste("X", 1:p, sep="")
X <- data.frame(X)
Y <- X[, 1] + sqrt(abs(X[, 2] * X[, 3])) + X[, 2] - X[, 3] + rnorm(n)

set.seed(1)
index <- sample(1:5, size = nrow(X), replace = TRUE, prob = c(0.2, 0.2, 0.2, 0.2, 0.2)) 

validRows=list()
for (v in 1:5)
  validRows[[v]] <- which(index==v)

sl_cv = SuperLearner(Y = Y, X = X, family = gaussian(),
                     SL.library = c("SL.mean", "SL.ranger"),
                     verbose = TRUE,
                     control = SuperLearner.control(saveCVFitLibrary = TRUE),
                     cvControl = list(V = 5, shuffle = FALSE, validRows = validRows))

# sample size deducted from length of declared validRows
n - sapply(sl_cv$validRows, length)

# sample size deducted from resulting models
sapply(1:5, function(i) length(sl_cv$cvFitLibrary[[i]]$SL.ranger_All$object$predictions))
票数 0
EN

Stack Overflow用户

发布于 2020-07-01 19:15:21

交叉验证过程有一些控制参数。您可以使用validRows参数。您将需要一个包含5个元素的列表,每个元素都具有与您预定义的集群相对应的所有行的向量。假设您添加了一个列,该列显示了一个观察值所属的集群,您可以这样写:

代码语言:javascript
复制
cluster1_ids = which(df$cluster==1) #similar for other cluster values
L = list(cluster1_ids, cluster2_ids, cluster3_ids, cluster4_ids, cluster5_ids)
X = df[-c("cluster")]
sl_cv = SuperLearner(Y = Y, X = X, family = gaussian(),
              SL.library = c("SL.mean", "SL.ranger"),
              verbose = TRUE, cvControl = list(V = 5, validRows=L))

希望这能有所帮助!

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/62527215

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档