Discussion :

[Lou.lou]

Bonjour,

J'ai un jeu de données de n=100 observations sur lequel je souhaite créer un modèle linéaire multiple par la méthode du split (70 obs pour l'apprentissage et 30 obs pour le test), l'opération a été répéter 100 fois avec à chaque fois 70 et 30 observations tirées au hasard sans remise. La moyenne du score des R2 a par la suite été calculée.

Ma question: Par quel moyen je pourrai avoir le vecteur sous forme de data frame qui contient tous les tirages faits au hasard?
pour plus d'informations voici le lien du code utilisé.

http://www.developpez.net/forums/d18.../#post10514683

[tototode]

Bonjour,

j'avoue que je n'ai pas compris ce que tu cherchais a conserver sous forme de data.frame, les tirages ? les R²?

cdlt

[marou1991]

Bonjour,

Je pense qu'il cherche les échantillons tirés au hasard par le Boostrap.

[tototode]

si c'est du split sampling (sans remise) a priori ce n'est pas du bootstrap (avec remise).
Je ferai quelque chose comme ça :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
# un jeu de données pour l'exemple 
df <- data.frame(x = rnorm(100))
df$y <- df$x * 3 - 2 + rnorm(100, 0, 1.5)
 
N <- 100 # nbre de tirages
tirages <- matrix(integer(), nrow(df), N)
i <- 1:100
r2tr <- numeric(N)
r2t <- numeric(N)
 
for (j in 1:N) {
  aux <- sample(i, 70)
  tirages[ , j] <- c(aux, setdiff(i, aux))
  lm1 <- lm(y ~ x, df[aux,])
  r2tr[j] <- summary(lm1)$adj.r.squared
  p <- predict(lm1, newdata = df[-aux,])
  yt <- df$y[-aux]
  r2t[j] <- 1-sum((yt-p)^2)/sum((yt-mean(yt))^2)
  }

Comme ça les 70 premières lignes de la matrice "tirages" contiennent les tirages qui ont participé à l'estimation des paramètres et les 30 dernières lignes à celles qui n'ont pas participé.

Après la fonction set.seed peut-être très utile aussi parce qu'elle permet de refaire les mêmes tirages aléatoires, d'une fois sur l'autre.
Par exemple :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
tir1 <- sample(100, 70)
tir2 <- sample(100, 70)
all.equal(tir1, tir2)
[1] "Mean relative difference: 0.7230462"
 
# avec set.seed
set.seed(10)
tir1 <- sample(100, 70)
set.seed(10)
tir2 <- sample(100, 70)
all.equal(tir1, tir2)
[1] TRUE

cdlt

[Lou.lou]

Bonsoir à tous,

Marou a raison, je cherche les échantillons tirés au hasard. Cependant tototode je n'ai pas trouvé dans ton code la ligne qui me donne cela. Pour que vous puissiez comprendre mon approche je vous ai donné dans mon premier message le lien du code que j'ai utilisé, Je vous donne le code ci dessous.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
df <- data.frame(y = rnorm(100,5,0.02))
df$x1 <- df$y * 3 - 2 + rnorm(100, 0, 1.5)
df$x2<-df$y/2+rnorm(100,7,1)
df
 
N <- 100 # le nombre de répétition
 
{val.errorst=matrix(numeric(),N, 2)
  stor.r2t=matrix(numeric(),N, 2)
  stor.rmset=matrix(numeric(),N, 2)
  stor.pet=matrix(numeric(),N, 2)
  stor.biait=matrix(numeric(), N, 2)
 
  val.errors=matrix(numeric(),N, 2)
  stor.r2=matrix(numeric(),N, 2)
  stor.rmse=matrix(numeric(),N, 2)
  stor.pe=matrix(numeric(),N, 2)
  stor.biai=matrix(numeric(),N, 2)
}
 
library(leaps)
 
for (j in 1:N) {
  train<-sample(seq(100), 70, replace=FALSE)
  regfit.bestfwd=regsubsets(y~.,data=df[train,],nvmax =2)
  summar.regfitfwd<-summary(regfit.bestfwd)
  summar.regfitfwd
  #le calcul de la statistique des modèles sur un jeu d'apprentissage 
  app.matt = model.matrix(y~.,data=df[train,])
  #le calcul de la statistique des modèles sur un jeu test 
  tst.mat=model.matrix(y~.,data=df[-train,])
  for(i in 1:2){
    coefi=coef(regfit.bestfwd,id=i)
    predapp=app.matt[,names(coefi)]%*% coefi
    val.errorst[j, i]=mean((df$y[train]-predapp)^2)
    stor.r2t[j, i]=(cor(df$y[train], predapp))^2
    stor.rmset[j, i]=sqrt(val.errorst[j, i]) #rmse: root mean squared error
    stor.pet[j, i]=stor.rmset[j, i]/mean(df$y[train]) #pe: pourcentage d'erreur
    stor.biait[j,i]=(sum(predapp-df$y[train])/sum(df$y[train]))*100 #biai: pourcentage de biais
 
    predtst=tst.mat [,names(coefi)]%*% coefi
    val.errors[j, i]=mean((df$y[-train]-predtst)^2)
    stor.r2[j, i]=(cor(df$y[-train], predtst))^2
    stor.rmse[j, i]=sqrt(val.errors[j, i])
    stor.pe[j, i]=stor.rmse[j, i]/mean(df$y[-train])
    stor.biai[j,i]=(sum(predtst-df$y[-train])/sum(df$y[-train]))*100
  }
}

Sur la base de ce code comment j'obtiens tous les tirages sous forme de data frame?

[tototode]

re,

ce sont les lignes qui amènent a tirages.
Pour simplifier :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
library(leaps)
 tirages <- matrix(integer(), 70, N)
for (j in 1:N) {
  train<-sample(100, 70, replace=FALSE)
  tirages[, j] <- train

cdlt