如何在R中正确使用plsr（）？

Question

我在R中学习plsr，遇到了几个不同的例子，这些例子让我感到困惑。我看到了以下两种方法拟合和找到最佳组件的两种方法。我只想知道哪一种是正确的方式，并且首选？

1）假设我们有一个称为数据的数据帧，它被分成列车数据data.train和测试数据data.test。然后PLSR安装为

plsr.fit = plsr(formula, data = data.train, validation = "CV", scale = TRUE) 
summary(plsr.fit) 

然后根据最小CV价值得到ncomp值。

2）而没有任何数据分裂，简单地拟合模型充分数据

plsr(formula, data = data, validation = "CV", scale = TRUE) 
summary(plsr.fit) 

然后基于最小CV值越来越ncomp值。

我感到困惑的部分是第一种方法。由于validation = "CV"已经包含在内，并且它会自动应用10倍简历，为什么该模型适合训练数据而不是完整数据？是不是在这种情况下，训练数据会再次分成训练和测试数据，并自动应用10倍交叉验证？

Answer 1

当您运行交叉验证时，您仍然适合您正在使用的数据集。除非将其与它从未见过的数据进行比较，否则无法真正测试模型的准确性。这就是为什么您通常会将您的数据分成大约80％的“培训”（包括交叉验证或您选择的其他方法）和20％的“”交叉验证后的数据。