對R中的序數邏輯回歸進行交叉驗證（使用rpy2）

Question

我正在嘗試在Python中創建一個預測模型，通過交叉驗證比較幾種不同的回歸模型。 為了適應序數邏輯模型（ MASS.polr ），我必須通過rpy2與R接口如下：

from rpy2.robjects.packages import importr
import rpy2.robjects as ro

df = pd.DataFrame()
df = df.append(pd.DataFrame({"y":25,"X":7},index=[0]))
df = df.append(pd.DataFrame({"y":50,"X":22},index=[0]))
df = df.append(pd.DataFrame({"y":25,"X":15},index=[0]))
df = df.append(pd.DataFrame({"y":75,"X":27},index=[0]))
df = df.append(pd.DataFrame({"y":25,"X":12},index=[0]))
df = df.append(pd.DataFrame({"y":25,"X":13},index=[0]))

# Loads R packages. 
base = importr('base')
mass = importr('MASS')

# Converts df to an R dataframe. 
from rpy2.robjects import pandas2ri
pandas2ri.activate()
ro.globalenv["rdf"] = pandas2ri.py2ri(df) 

# Makes R recognise y as a factor. 
ro.r("""rdf$y <- as.factor(rdf$y)""")

# Fits regression. 
formula = "y ~ X"    
ordlog = mass.polr(formula, data=base.as_symbol("rdf"))
ro.globalenv["ordlog"] = ordlog
print(base.summary(ordlog))

到目前為止，我主要使用sklearn.cross_validation.test_train_split和sklearn.metrics.accuracy_score比較我的模型， sklearn.metrics.accuracy_score的數字從0到1，代表訓練集模型預測測試集值的准確性。

如何使用rpy2和MASS.polr復制此測試？

Answer 1

通過使用rms.lrm重新擬合模型最終解決了問題，該模型提供了validate()函數（在此示例之后進行解釋）。