我正在尝试对此处提供的数据集进行逻辑回归，使用5折交叉验证方法。

我的目标是对数据集中的分类列进行预测，该列的值可以是1（无癌症）或2（有癌症）。

以下是完整代码：

     library(ISLR)     library(boot)     dataCancer <- read.csv("http://archive.ics.uci.edu/ml/machine-learning-databases/00451/dataR2.csv")     #随机打乱数据     dataCancer<-dataCancer[sample(nrow(dataCancer)),]     #创建5个等大小的折     folds <- cut(seq(1,nrow(dataCancer)),breaks=5,labels=FALSE)     #执行5折交叉验证     for(i in 1:5){           #使用which()函数按折分割数据            testIndexes <- which(folds == i)           testData <- dataCancer[testIndexes, ]           trainData <- dataCancer[-testIndexes, ]           #按您希望的方式使用测试和训练数据分区...           classification_model = glm(as.factor(Classification) ~ ., data = trainData,family = binomial)           summary(classification_model)           #使用拟合模型对测试数据进行预测           model_pred_probs = predict(classification_model , testData , type = "response")           model_predict_classification = rep(0 , length(testData))           model_predict_classification[model_pred_probs > 0.5] = 1           #创建混淆矩阵并计算错误分类率           table(model_predict_classification , testData)           mean(model_predict_classification != testData)     }

我希望在最后得到一些帮助

 table(model_predict_classification , testData) mean(model_predict_classification != testData)

我遇到了以下错误：

 Error in table(model_predict_classification, testData) : all arguments must have the same length

我不太明白如何使用混淆矩阵。

我希望得到5个错误分类率。trainData和testData已经被分割成5个部分。它们的尺寸应该与model_predict_classification相同。

谢谢您的帮助。

回答：

这里有一个使用caret包的解决方案，用于在将癌症数据分割成测试和训练数据集后进行5折交叉验证。混淆矩阵将针对测试和训练数据生成。

caret::train()报告了5个保留折的平均准确率。可以通过从输出模型对象中提取来获得每个折的结果。

library(caret)data <- read.csv("http://archive.ics.uci.edu/ml/machine-learning-databases/00451/dataR2.csv")# 将分类设置为因子，并重新编码为 # 0 = 无癌症，1 = 癌症 data$Classification <- as.factor((data$Classification - 1))# 根据因变量的值将数据分割为训练和测试集 trainIndex <- createDataPartition(data$Classification, p = .75,list=FALSE)training <- data[trainIndex,]testing <- data[-trainIndex,]trCntl <- trainControl(method = "CV",number = 5)glmModel <- train(Classification ~ .,data = training,trControl = trCntl,method="glm",family = "binomial")# 打印模型信息summary(glmModel)glmModelconfusionMatrix(glmModel)# 在保留数据上生成预测trainPredicted <- predict(glmModel,testing)# 为保留数据生成混淆矩阵confusionMatrix(trainPredicted,reference=testing$Classification)

…和输出：

> # 打印模型信息> > summary(glmModel)> > Call: NULL> > Deviance Residuals: >     Min       1Q   Median       3Q      Max  > -2.1542  -0.8358   0.2605   0.8260   2.1009  > > Coefficients:>               Estimate Std. Error z value Pr(>|z|)   (Intercept) -4.4039248  3.9159157  -1.125   0.2607   Age         -0.0190241  0.0177119  -1.074   0.2828   BMI         -0.1257962  0.0749341  -1.679   0.0932 . Glucose      0.0912229  0.0389587   2.342   0.0192 * Insulin      0.0917095  0.2889870   0.317   0.7510   HOMA        -0.1820392  1.2139114  -0.150   0.8808   Leptin      -0.0207606  0.0195192  -1.064   0.2875   Adiponectin -0.0158448  0.0401506  -0.395   0.6931   Resistin     0.0419178  0.0255536   1.640   0.1009   MCP.1        0.0004672  0.0009093   0.514   0.6074  > --- Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1> > (Dispersion parameter for binomial family taken to be 1)> >     Null deviance: 119.675  on 86  degrees of freedom Residual deviance:  89.804  on 77  degrees of freedom AIC: 109.8> > Number of Fisher Scoring iterations: 7> > > glmModel Generalized Linear Model > > 87 samples  9 predictor  2 classes: '0', '1' > > No pre-processing Resampling: Cross-Validated (5 fold)  Summary of> sample sizes: 70, 69, 70, 69, 70  Resampling results:> >   Accuracy   Kappa    >   0.7143791  0.4356231> > > confusionMatrix(glmModel) Cross-Validated (5 fold) Confusion Matrix > > (entries are percentual average cell counts across resamples)>  >           Reference Prediction    0    1>          0 33.3 17.2>          1 11.5 37.9>                               Accuracy (average) : 0.7126> > > # 在保留数据上生成预测> > trainPredicted <- predict(glmModel,testing)> > # 为保留数据生成混淆矩阵> > confusionMatrix(trainPredicted,reference=testing$Classification) Confusion Matrix and Statistics> >           Reference Prediction  0  1>          0 11  2>          1  2 14>                                           >                Accuracy : 0.8621          >                  95% CI : (0.6834, 0.9611)>     No Information Rate : 0.5517          >     P-Value [Acc > NIR] : 0.0004078       >                                           >                   Kappa : 0.7212            Mcnemar's Test P-Value : 1.0000000       >                                           >             Sensitivity : 0.8462          >             Specificity : 0.8750          >          Pos Pred Value : 0.8462          >          Neg Pred Value : 0.8750          >              Prevalence : 0.4483          >          Detection Rate : 0.3793              Detection Prevalence : 0.4483          >       Balanced Accuracy : 0.8606          >                                           >        'Positive' Class : 0               >                                           > >