计算PRESS统计/预测Rsquared C＃

Question

我想创建一个方法，将使用C＃计算PRESS统计信息，但我显然没有做正确的事情，因为即使我使用垃圾数据（它的rsquared值为0.2 ）我仍然得到新闻统计的负面总数。有没有人看到我在做什么错了？

参考如何计算按统计可以https://en.wikipedia.org/wiki/PRESS_statistic

public double CalculatePredictedRSquared(List<MultipleRegressionInfo> listMRInfo, Vector<double> vectorArray) 
    { 
     double predictedRSquared = 0, press = 0, tss = 0; 

     try 
     { 
      for (int i = 0; i < vectorArray.Count; i++) 
      { 
       var matrixArray = CreateMatrix.DenseOfColumnArrays(listMRInfo.ElementAt(0).ListValues.Where((v, j) => j != i).ToArray(), listMRInfo.ElementAt(1).ListValues.Where((v, j) => j != i).ToArray(), 
        listMRInfo.ElementAt(2).ListValues.Where((v, j) => j != i).ToArray(), listMRInfo.ElementAt(3).ListValues.Where((v, j) => j != i).ToArray(), listMRInfo.ElementAt(4).ListValues.Where((v, j) => j != i).ToArray(), 
        listMRInfo.ElementAt(5).ListValues.Where((v, j) => j != i).ToArray(), listMRInfo.ElementAt(6).ListValues.Where((v, j) => j != i).ToArray(), listMRInfo.ElementAt(7).ListValues.Where((v, j) => j != i).ToArray(), 
        listMRInfo.ElementAt(8).ListValues.Where((v, j) => j != i).ToArray(), listMRInfo.ElementAt(9).ListValues.Where((v, j) => j != i).ToArray(), listMRInfo.ElementAt(10).ListValues.Where((v, j) => j != i).ToArray(), 
        listMRInfo.ElementAt(11).ListValues.Where((v, j) => j != i).ToArray()); 
       var actualResult = vectorArray.ElementAt(i); 
       var newVectorArray = CreateVector.Dense(vectorArray.Where((v, j) => j != i).ToArray()); 
       var items = MultipleRegression.NormalEquations(matrixArray, newVectorArray); 

       var estimate = (items.ElementAt(0) * listMRInfo.ElementAt(0).ListValues.ElementAt(i)) + (items.ElementAt(1) * listMRInfo.ElementAt(1).ListValues.ElementAt(i)) + 
         (items.ElementAt(2) * listMRInfo.ElementAt(2).ListValues.ElementAt(i)) + (items.ElementAt(3) * listMRInfo.ElementAt(3).ListValues.ElementAt(i)) + 
         (items.ElementAt(4) * listMRInfo.ElementAt(4).ListValues.ElementAt(i)) + (items.ElementAt(5) * listMRInfo.ElementAt(5).ListValues.ElementAt(i)) + 
         (items.ElementAt(6) * listMRInfo.ElementAt(6).ListValues.ElementAt(i)) + (items.ElementAt(7) * listMRInfo.ElementAt(7).ListValues.ElementAt(i)) + 
         (items.ElementAt(8) * listMRInfo.ElementAt(8).ListValues.ElementAt(i)) + (items.ElementAt(9) * listMRInfo.ElementAt(9).ListValues.ElementAt(i)) + 
         (items.ElementAt(10) * listMRInfo.ElementAt(10).ListValues.ElementAt(i)) + (items.ElementAt(11) * listMRInfo.ElementAt(11).ListValues.ElementAt(i)); 

       press += actualResult - estimate; 
      } 

      tss += CalculateTotalSumOfSquares(vectorArray.ToList()); 
      predictedRSquared = 1 - (press/tss); 
     } 
     catch (Exception ex) 
     { 
      predictedRSquared = 0; 
      Console.WriteLine(ex.Message); 
      Console.WriteLine(ex.StackTrace); 
     } 

     return predictedRSquared; 
    } 

使用真实数据或垃圾数据按可变收益为负数

Answer 1

答案很痛苦地简单，我可以”可以看出我相信我没有注意到它，但我并没有将实际结果 - 估计和所以这里是对任何有兴趣的人的正确代码

public double CalculatePredictedRSquared(List<MultipleRegressionInfo> listMRInfo, Vector<double> vectorArray) 
    { 
     double predictedRSquared = 0, press = 0, tss = 0; 

     try 
     { 
      for (int i = 0; i < vectorArray.Count; i++) 
      { 
       var matrixArray = CreateMatrix.DenseOfColumnArrays(listMRInfo.ElementAt(0).ListValues.Where((v, j) => j != i).ToArray(), listMRInfo.ElementAt(1).ListValues.Where((v, j) => j != i).ToArray(), 
        listMRInfo.ElementAt(2).ListValues.Where((v, j) => j != i).ToArray(), listMRInfo.ElementAt(3).ListValues.Where((v, j) => j != i).ToArray(), listMRInfo.ElementAt(4).ListValues.Where((v, j) => j != i).ToArray(), 
        listMRInfo.ElementAt(5).ListValues.Where((v, j) => j != i).ToArray(), listMRInfo.ElementAt(6).ListValues.Where((v, j) => j != i).ToArray(), listMRInfo.ElementAt(7).ListValues.Where((v, j) => j != i).ToArray(), 
        listMRInfo.ElementAt(8).ListValues.Where((v, j) => j != i).ToArray(), listMRInfo.ElementAt(9).ListValues.Where((v, j) => j != i).ToArray(), listMRInfo.ElementAt(10).ListValues.Where((v, j) => j != i).ToArray(), 
        listMRInfo.ElementAt(11).ListValues.Where((v, j) => j != i).ToArray()); 
       var actualResult = vectorArray.ElementAt(i); 
       var newVectorArray = CreateVector.Dense(vectorArray.Where((v, j) => j != i).ToArray()); 
       var items = MultipleRegression.NormalEquations(matrixArray, newVectorArray); 
       var actualList = newVectorArray.ToList(); 
       var y = CalculateYIntercept(matrixArray, actualList, items); 

       var estimate = (items.ElementAt(0) * listMRInfo.ElementAt(0).ListValues.ElementAt(i)) + (items.ElementAt(1) * listMRInfo.ElementAt(1).ListValues.ElementAt(i)) + 
         (items.ElementAt(2) * listMRInfo.ElementAt(2).ListValues.ElementAt(i)) + (items.ElementAt(3) * listMRInfo.ElementAt(3).ListValues.ElementAt(i)) + 
         (items.ElementAt(4) * listMRInfo.ElementAt(4).ListValues.ElementAt(i)) + (items.ElementAt(5) * listMRInfo.ElementAt(5).ListValues.ElementAt(i)) + 
         (items.ElementAt(6) * listMRInfo.ElementAt(6).ListValues.ElementAt(i)) + (items.ElementAt(7) * listMRInfo.ElementAt(7).ListValues.ElementAt(i)) + 
         (items.ElementAt(8) * listMRInfo.ElementAt(8).ListValues.ElementAt(i)) + (items.ElementAt(9) * listMRInfo.ElementAt(9).ListValues.ElementAt(i)) + 
         (items.ElementAt(10) * listMRInfo.ElementAt(10).ListValues.ElementAt(i)) + (items.ElementAt(11) * listMRInfo.ElementAt(11).ListValues.ElementAt(i)) + y; 

       press += Math.Pow(actualResult - estimate, 2); 
      } 

      tss += CalculateTotalSumOfSquares(vectorArray.ToList()); 
      predictedRSquared = 1 - (press/tss); 
     } 
     catch (Exception ex) 
     { 
      predictedRSquared = 0; 
      Console.WriteLine(ex.Message); 
      Console.WriteLine(ex.StackTrace); 
     } 

     return predictedRSquared; 
    }