0

我一直在尝试各种事情，但最终都以错误消息和奇怪的东西告终。我目前正在使用来自 SurvSL 的功能，但我想根据我的特定需求对其进行微调。这是完整的功能：

#function to compute k-fold cross-validated concordance index for Lasso-Cox, Ridge-Cox, EN-Cox
  c_indexCv_combined1 = function(data,k){
  y_dat = Surv(data$obs.time,data$status)
  set.seed(1)
  folds = sample(rep(1:k, length.out = nrow(data)))
  prediction_lasso = c()
  prediction_ridge = c()
  prediction_net = c()
  index =c()
  for (j in 1:k){
    idx = which(folds==j)
    train = data[-idx,]
    test = data[idx,]
    y_train = Surv(train$obs.time, train$status)
    y_test = Surv(test$obs.time,test$status)
    x = model.matrix(~., data[,-c(1,2)])
    fit_lasso = glmnet(x[-idx,],y_train, family="cox", alpha=1)
    cvFit_lasso = cv.glmnet(x[-idx,],y_train, family="cox", alpha=1)
    pred_lasso = predict(fit_lasso,x[idx,], s=cvFit_lasso$lambda.min, type="link") 
    fit_ridge = glmnet(x[-idx,],y_train, family="cox", alpha=0)
    cvFit_ridge = cv.glmnet(x[-idx,],y_train, family="cox", alpha=0)
    pred_ridge = predict(fit_ridge,x[idx,], s=cvFit_ridge$lambda.min, type="link") 
    fit_net = glmnet(x[-idx,],y_train, family="cox", alpha=0.5)
    cvFit_net = cv.glmnet(x[-idx,],y_train, family="cox", alpha=0.5)
    pred_net = predict(fit_net,x[idx,], s=cvFit_net$lambda.min, type="link") 
    index = c(index,idx)
    prediction_lasso = c(prediction_lasso, pred_lasso)
    prediction_ridge = c(prediction_ridge, pred_ridge)
    prediction_net = c(prediction_net, pred_net)
  }

  Match = match(seq(nrow(data)), index)
  prediction_lasso = prediction_lasso[Match]
  prediction_ridge = prediction_ridge[Match]
  prediction_net = prediction_net[Match]
  c_lasso = survConcordance(y_dat~prediction_lasso)$concordance
  c_ridge = survConcordance(y_dat~prediction_ridge)$concordance
  c_net = survConcordance(y_dat~prediction_net)$concordance
  final_pred = cbind(prediction_lasso, prediction_ridge, prediction_net)
  return(list(pred = final_pred, c_index=c(c_lasso, c_ridge, c_net)))
}

现在我需要改变的是这部分：

folds = sample(rep(1:k, length.out = nrow(data)))

folds 成为一个向量，它是 1 到 5 之间数字的 1459 倍，因此我可以相应地“折叠”我的 1459 个观察值（在 5 组 k=5 中）。但是，我的数据中有一个“ID”变量。大多数时候它是一个唯一的数字。但有时会有双打/三打。相同的 ID 号获得相同的折叠号非常重要（并且我在两个不同的折叠中没有相同的 ID）。我有 1459 个观察结果和 1240 个不同的“ID”。如果我想要 5 折 (k)，每折应该有 (1240/5=) 248 个不同的 ID 号。

有谁知道一个很酷/简单的功能来管理这个？在 R 中玩了很多鬼之后，我开始担心我将不得不为 1459 obs 手动创建该向量...

提前致谢！

4

1 回答 1

0

您可以首先对唯一 ID 进行采样，然后匹配行。例子：

k <- 5
set.seed(1)
samplepool <- paste0("ID_", sprintf("%04d", 1:1240))
df <- data.frame(idx=1:1459, 
    ID=sort(c(sample(samplepool, (1459-1240), replace = TRUE), samplepool)))
folds <- sample(rep(1:k, length.out = length(unique(df$ID)))) 
folds <- folds[match(df$ID, unique(df$ID))]

由reprex 包（v0.3.0）于 2020 年 5 月 5 日创建

因此，在您的代码中，假设 ID 变量ID，您将替换

folds = sample(rep(1:k, length.out = nrow(data)))

和

folds = sample(rep(1:k, length.out = length(unique(data$ID))))
folds = folds[match(data$ID, unique(data$ID))]
于 2020-05-05T11:51:26.227 回答