R中启动库的cv.glm中的成本函数

我正在尝试使用 R 中启动库中的交叉验证 cv.glm 函数来确定应用 glm 逻辑回归时错误分类的数量。

该函数具有以下签名：

cv.glm(data, glmfit, cost, K)

前两个表示数据和模型，K 指定 k 倍。 我的问题是成本参数，其定义为：

成本：指定成本函数的两个向量参数的函数 用于交叉验证。 cost 的第一个参数应该对应 到观察到的响应，第二个参数应该对应于 广义线性模型的预测或拟合响应。 cost 必须返回非负标量值。默认值是 平均平方误差函数。

我想对于分类来说，有一个返回错误分类率的函数是有意义的，例如：

nrow(subset(data, (predict >= 0.5  & data$response == "no") | 
                  (predict <  0.5  & data$response == "yes")))

这当然在语法上也是不正确的。

不幸的是，我有限的 R 知识让我浪费了很多时间，我想知道是否有人能给我指出正确的方向。

听起来你可能只使用成本函数（即名为cost）在“示例”部分进一步定义?cv.glm。引用该部分：

 # [...] Since the response is a binary variable an
 # appropriate cost function is
 cost <- function(r, pi = 0) mean(abs(r-pi) > 0.5)

这基本上就是您在示例中尝试执行的操作。将“不”和“是”替换为0 and 1，假设你有两个向量，predict and response. Then cost()设计得很好，可以获取它们并返回平均分类率：

## Simulate some reasonable data
set.seed(1)
predict <- seq(0.1, 0.9, by=0.1)
response <-  rbinom(n=length(predict), prob=predict, size=1)
response
# [1] 0 0 0 1 0 0 0 1 1

## Demonstrate the function 'cost()' in action
cost(response, predict)
# [1] 0.3333333  ## Which is right, as 3/9 elements (4, 6, & 7) are misclassified
                 ## (assuming you use 0.5 as the cutoff for your predictions).

我猜最棘手的一点就是让你的思想完全围绕着将函数作为参数传递的想法。 （至少对我来说，在很长一段时间里，这是使用boot包，这需要移动相当多的地方。）

2016年3月22日添加：

功能cost()，在我看来，上面给出的内容是不必要的混淆；下面的替代方案做了完全相同的事情，但以更具表现力的方式：

cost <- function(r, pi = 0) { 
        mean((pi < 0.5) & r==1 | (pi > 0.5) & r==0)
}