小弟是R的初心使用者，刚刚开始应用R做研究，所以我上google/人大爬了一些做法 下面有几个问题想请教板上的高手 第一个是资料分割的部分 prost.std <- data.frame(cbind(scale(prost[,1:8]),prost$lpsa)) 将变数1~8标准化，锁定变数lpsa,cbind则是列出矩阵 names(prost.std)[9] <- 'lpsa' 将变数9命名为lpsa data.train <- prost.std[prost$train,] data.test <- prost.std[!prost$train,] 划分出训练与测试资料集，!则表示train以外的都是test(随机抽取) y.test <- data.test$lpsa 将Y 指定为lpsa,$选取特定条件下的数据，在此选择data.test中的lpsa n.train <- nrow(data.train) 我照着网路上的教学做资料分割，我使用教学中给的资料，并且做出我个人的注解 http://www-stat.stanford.edu/~tibs/ElemStatLearn/datasets/prostate.data 一步一度步的跟着做，可以很顺利的切开资料并且抽取训练跟资料 但是我把资料换成iris的话..资料就切不开了，到data.test的部分就会卡住 出现了： 错误在!iris$train : 引数类型不正确 但是我用posta却不会有这种情况.... 另外，LARs的部分 library(lars) m.lasso <- lars(as.matrix(data.train[,1:8]),data.train$lpsa) plot(m.lasso) # Cross-validation r <- cv.lars(as.matrix(data.train[,1:8]),data.train$lpsa) bestfraction <- r$fraction[which.min(r$cv)] # Observe coefficients coef.lasso <-predict(m.lasso,as.matrix(data.test[,1:8]), s=bestfraction,type="coefficient",mode="fraction") coef.lasso # Prediction y.pred.lasso <-predict(m.lasso,as.matrix(data.test[,1:8]), s=bestfraction,type="fit",mode="fraction")$fit summary((y.pred.lasso - y.test)^2) 我也是照着执行都能够顺利的用posta跑出结果来， 但是如果单纯要做feature selection我应该要看哪个值呢? ===================================================================== 以上是我实做跟个人的注解，如果有错请板友纠正跟帮忙谢谢 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 123.192.235.106