数据统计的理解和运用预测建模篇之K折验证法

在前面，我们聊到了logistic回归和cox回归，详见：

预测模型篇1：logistic回归；

预测建模篇2：关于COX列线图的绘制。

模型验证谈到了是3:7比例划分，但是，有时候样本量不足，做出来的模型不尽完美，且病例数利用度不高，略显不足。今天，我们用R语言来看看K折验证法，能够最大程度的利用数据，帮我们解决科研难题！

K折交叉验证（K-Fold Cross Validation）

把数据集分成K份，每个子集互不相交且大小相同，依次从K份中选出1份作为验证集，其余K-1份作为训练集，这样进行K次单独的模型训练和验证，最后将K次验证结果取平均值，作为此模型的验证误差。当K=m时，就变为留一法。可见留一法是K折交叉验证的特例。

留一法（Leave One Out Cross Validation，LOOCV）

假设数据集一共有m个样本，依次从数据集中选出1个样本作为验证集，其余m-1个样本作为训练集，这样进行m次单独的模型训练和验证，最后将m次验证结果取平均值，作为此模型的验证误差。

之后我们对traini数据集进行各种统计就好啦，本期分享此结束~

— THE END —