在临床研究领域，大家特别希望能够未仆先知，于是临床研究者尝试去建立各种预测模型。比如，凭借孕妇的信息预测低出生体重儿的结局。怎么建立预测模型呢的做法是这样的：以低出生体重儿为因变量，以相关的孕妇信息作为自变量，建立logistic回归模型。
有了模型，一般还需要验证模型的可靠性稳定性。小编比较推荐外部验证，也就是说“用现有的数据建立模型，再收集一部分病例进行模型的验证”。其中，K折交叉验证比较常见。K折交叉验证，就是将数据随机、平均分为K份，其中(K-1)份用来建立模型，在剩下的一份数据中进行验证。比如，常见的10折交叉验证，“将数据随机、平均分为10份，其中9份用来建模，另外1份用来验证，这样依次做10次模型和验证，可得到相对稳定的模型。
说的这么热闹，怎么实现呢SS可以吗SS目前只是在某些模块(如决策树、判别分析)设置了交叉验证的选项，而在我们常用的线性回归、logistic回归却是没有的。小编觉得大家可以利用R软件完成交叉验证。
即使大家之前从未接触过R软件，也不难。下载、安装、运行R软件后，将小编接下来要说的程序粘贴到R控制台，改动几个参数即可。
首先，咱们需要有R软件。选择下列任意一个 站，即可链接到R下载页面。选择合适的版本，默认安装即可。
一、首先，将原始数据另存为csv格式，通过mydata
二、为了分析方便，可以将数据锁定，attach(mydata)，锁定数据后可通过变量名直接引用变量。
四、下载后，每次均需要加载boot包，library(boot)。
五、通过glm函数拟合logistic回归，log.fit
六、交叉验证时，cost默认为均方差，即(y-y预测)的平方和。所以在logistic回归模型的验证时，需要重新定义cost，意义为错判率。cost 0.5)
然后利用(cv.err
但是，为什么每次结果都不一样呢，咱们是随机分成K份，cv.glm不允许用户自定义种子数，故导致每次结果略有不同。另一个安装包cvTools是可以允许用户自定义种子数，感兴趣的可以看看。文末的程序大家只需要改一改蓝色标注的，即可复制到R控制台，如运行中遇到问题，欢迎大家留言讨论。
logistic回归的交叉验证
mydata
attach(mydata)#锁定数据
install.packages(“boot”)#安装boot包
library(boot)#加载boot包
log.fit
cost 0.5)#定义cost函数，计算错判率
(cv.err
线性回归的交叉验证
mydata
attach(mydata)#锁定数据
install.packages(“boot”)#安装boot包
library(boot)#加载boot包
lm.fit
(cv.err
相关资源：折痕CP图制作软件OrigamiPatternEditor_折痕图-专业指导文档类…
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！