0

我目前正在阅读斯坦福 OpenX 的“统计学习简介”MOOC。在其中一个实验室练习中，它建议通过显式使用从测试数据创建模型矩阵model.matrix()。

课本摘录

我们现在计算每个模型大小的最佳模型的验证集误差。我们首先从测试数据中制作模型矩阵。

test.mat=model.matrix (Salary∼.,data=Hitters [test ,])

model.matrix() 函数在许多回归包中用于X从数据构建矩阵。现在我们运行一个循环，对于每个大小i，我们从中提取该regfit.best大小的最佳模型的系数，将它们相乘到测试模型矩阵的适当列中以形成预测，并计算测试 MSE。

val.errors =rep(NA ,19)
for(i in 1:19){
  coefi=coef(regfit .best ,id=i)
  pred=test.mat [,names(coefi)]%*% coefi
  val.errors [i]= mean(( Hitters$Salary[test]-pred)^2)
  }

我知道这model.matrix会将字符串变量转换为具有不同级别的值，并且模型lm()会在后台进行转换。

但是，我们会明确使用哪些实例，model.matrix()为什么？

4

0 回答 0