1

我想使用 R 中的插入符号获得跨 CV 重复的平均预测值。

require("caret")
data("iris")
fitControl <- trainControl(method = "repeatedcv",   
                             number = 10,
                             repeats = 10, savePredictions = 'final')
model.cv <- train(Sepal.Length ~ Sepal.Width,
                    data = iris,
                    method = "lm", 
                    trControl = fitControl)

head(model.cv$pred)
#  intercept     pred obs rowIndex     Resample
#1      TRUE 5.809386 4.7        3 Fold01.Rep01
#2      TRUE 5.838487 4.6        4 Fold01.Rep01
#3      TRUE 5.460174 5.7       16 Fold01.Rep01
#4      TRUE 5.634780 5.7       19 Fold01.Rep01
#5      TRUE 5.722083 5.2       28 Fold01.Rep01
#6      TRUE 6.071295 4.5       42 Fold01.Rep01

现在我想获得每个示例的所有 10 个预测的平均值。我可以通过迭代以下示例来做到这一点，但我认为必须有更好的更整洁的方式。

mean(model.cv$pred[model.cv$pred$rowIndex==1, "pred"])
#[1] 5.745675

编辑

按照@Obim 的回答，我测试了三个提议的解决方案的时间安排。dplyr版本更快。请注意，我稍微修改了sapply版本，在唯一性上添加了一个排序，rowINdex以保持其输出的一致性和可解释性。

library("plyr")
library("dplyr")
library("tictoc")

tic("plyr")
for(i in 1:100) meansplyr = ddply(model.cv$pred, ~rowIndex, summarise, mean = mean(pred))
toc()
#plyr: 5.56 sec elapsed

tic("dplyr")
for(i in 1:100) meansdplyr = model.cv$pred %>% group_by(rowIndex) %>% summarise(pred = mean(pred))
toc()
#dplyr: 0.08 sec elapsed

tic("sapply")
for(i in 1:100) {
  meanssapply = sapply(
  X = sort(unique(model.cv$pred$rowIndex)), # added sort to keep the output consistent
  FUN = function(x){mean(model.cv$pred$pred[model.cv$pred$rowIndex %in% x])}
  )
}
toc()
#sapply: 0.73 sec elapsed

# the outputs are exactly the same
sum(abs(meansplyr$mean - meansdplyr$pred))
#[1] 0

sum(abs(meansplyr$mean - meanssapply))
#[1] 0
4

1 回答 1

1

一个带 ddply 的班轮：

library(plyr)
ddply(model.cv$pred, ~rowIndex, summarise, mean = mean(pred))

或使用 dplyr：

library(dplyr)
model.cv$pred %>% 
  group_by(rowIndex) %>% 
  summarise(pred = mean(pred))

sapply 的另一种方式（尽管仍在遍历每个 rowIndex）。正如@DataD'Oh 指出的那样，应该对输入进行排序以允许解释输出：

sapply(
  X = sort(unique(model.cv$pred$rowIndex)), 
  FUN = function(x){mean(model.cv$pred$pred[model.cv$pred$rowIndex %in% x])}
)
于 2020-04-17T04:10:59.937 回答