Falten manuell für K-fache Kreuzvalidierung erstellen R

Question

Ich versuche ein K-fache CV-Regressionsmodell mit K = 5 zu erstellen. Ich habe versucht, die "cv.glm" -Funktion des "Boot" -Pakets zu verwenden, aber mein PC hatte nicht genug Arbeitsspeicher, weil das Boot-Paket immer einen LOOCV MSE daneben berechnet. Also entschied ich, es manuell zu machen, aber ich lief auf das folgende Problem ein. Ich versuche, meinen Datenrahmen in 5 Vektoren gleicher Länge zu teilen, die eine Probe von 1/5 der Anzahl meiner df enthalten, aber ich bekomme unerklärliche Längen von der 3. Falte.

a <- sample((d<-1:1000), size = 100, replace = FALSE) 
b <- sample((d<-1:1000), size = 100, replace = FALSE) 
c <- sample((d<-1:1000), size = 100, replace = FALSE) 
df <- data.frame(a,b,c) 
head(df) 

# create first fold (correct: n=20) 
set.seed(5) 
K1row <- sample(x = nrow(df), size = (nrow(df)/5), replace = FALSE, prob = NULL) 
str(K1row) # int [1:20] 21 68 90 28 11 67 50 76 88 96 ... 

# create second fold (still going strong: n=20) 
set.seed(5) 
K2row <- sample(x = nrow(df[-K1row,]), size = ((nrow(df[-K1row,]))/4), replace = FALSE, prob = NULL) 
str(K2row) # int [1:20] 17 55 72 22 8 53 40 59 69 76 ... 

# create third fold (this is where it goes wrong: n=21) 
set.seed(5) 
K3row <- sample(x = nrow(df[-c(K1row,K2row),]), size = ((nrow(df[-c(K1row,K2row),]))/3), replace = FALSE, prob = NULL) 
str(K3row) # int [1:21] 13 44 57 18 7 42 31 47 54 60 ... 

# create fourth fold (and it gets worse: n=26) 
set.seed(5) 
K4row <- sample(x = nrow(df[-c(K1row,K2row,K3row),]), size = ((nrow(df[-c(K1row,K2row,K3row),]))/2), replace = FALSE, prob = NULL) 
str(K4row) # int [1:26] 11 35 46 14 6 33 25 37 43 5 ... 

Die Vektorlänge scheint von K = 3 zuzunehmen. Kann mir jemand erklären, was ich falsch mache ?! Mein Code (und Argumentation) scheint logisch, aber das Ergebnis sagt anders .. Mein Vielen Dank im Voraus!

Answer 1

Es ist, weil K1row und K2row einige Elemente gemeinsam haben. Sie sind effektiv Proben mit Ersatz. Die folgende Methode verwendet Modulo zum gleichmäßigen Aufteilen von Zeilen.

set.seed(5) 
rand <- sample(nrow(df)) 

K1row <- rand[rand %% 5 + 1 == 1] 
K2row <- rand[rand %% 5 + 1 == 2] 
K3row <- rand[rand %% 5 + 1 == 3] 
K4row <- rand[rand %% 5 + 1 == 4] 
K5row <- rand[rand %% 5 + 1 == 5]