1

我已经看到这个问题出现了很多，但还没有找到令人满意的解决方案，特别是对于我的情况。

我正在使用 pls() 包在 R 中运行偏最小二乘回归，然后想使用拟合模型在 newdata 上使用 RMSEP() 计算预测的均方根误差。这会引发错误，我相信这特别是因为我正在对函数进行如下编码：

plsr( Y ~ X [随便什么，随便什么] ...

我需要索引dataframe $ X的特定部分。这是一个例子：

library(pls)

gasoline <- gasoline

#Split dataframe between training and testing data
set.seed(123)
split <- sample.split(gasoline$octane, SplitRatio = 0.70)

gasoline$train <- split

gas.fit <- plsr(octane ~ NIR[ ,1:10] + NIR[ ,20:30],
                        ncomp = 10, 
                        data = gasoline[gasoline$train ,],  
                        validation = "LOO", 
                        scale = FALSE, 
                        center = TRUE,
                        method = "simpls"
)

#I can use RMSEP() on the fitted model
RMSEP(gas.fit)

#I can use the fitted model to predict octane of my test set
predict(gas.fit, newdata = gasoline[!gasoline$train ,])  

#But I cannot get the RMSEP of the test predictions
RMSEP(gas.fit, estimate = "test", newdata = gasoline[!gasoline$train ,])

最后一个命令引发错误：

eval 中的错误（predvars、data、env）：找不到对象“NIR”

我所知道 的：我知道应该存在对象“NIR”，因为我选择将训练和测试数据组合到一个数据帧中。

RMSEP() 函数在“plsr( Y ~ X[whatever , whatever ]”样式的模型上运行良好，只要您不调用 newdata。predict() 函数在这两种情况下都运行良好。

我试过的： Mevik & Wehrens (2007) 坚持我们使用格式

plsr( octane ~ NIR,
...
data = gasoline
...)

并不是

plsr( gasoline$octane ~ gasoline$NIR,

这更类似于我在示例中所做的，但不完全相同。即便如此，我还是尝试了以下调整：

gas.fit <- plsr(octane ~ NIR,
                        ncomp = 10, 
                        data = c(
              gasoline[gasoline$train ,]$NIR[ , 1:10],gasoline[gasoline$train ,]$NIR[ ,20:30]
                        ),  
                        validation = "LOO", 
                        scale = FALSE, 
                        center = TRUE,
                        method = "simpls"
)

但这也不好（“环境”不是长度为一）；这也意味着我还必须包含额外的汽油$辛烷，这进一步违反了长度标准。

我真的很想找到这种方法的解决方案，因为我的最终使用目标是将 plsr() 模型包含在样式的 for() 循环中：

gas.fit <- plsr(octane ~ NIR[ ,i:(i+20)],

作为移动窗口 PLSR 算法的一部分。

4

0 回答 0