R语言实现k折交叉验证验证薪资分组下身高分位数预测准确率

核心解决思路：提前初始化结果存储容器，每次迭代将当前折的计算结果写入容器对应位置，避免循环内重复赋值覆盖历史结果。

完整可运行代码示例 #

# 0. 模拟示例数据集（替换为你自己的真实数据即可）
set.seed(123) # 固定随机种子保证结果可复现
df <- data.frame(
  Height = rnorm(1000, mean = 170, sd = 10),
  Salary = rnorm(1000, mean = 15000, sd = 5000)
)

# 1. 配置k折参数
k <- 5 # 这里设置为5折，可自行修改为你需要的折数
folds <- sample(cut(seq(nrow(df)), breaks = k, labels = FALSE)) # 生成折的编号
# 初始化结果存储容器：每一行存1折的结果
result_df <- data.frame(
  fold = integer(k),
  accuracy = numeric(k)
)

# 2. 循环遍历每一个折
for (i in 1:k) {
  # 拆分训练集、测试集
  train_idx <- which(folds != i)
  train_data <- df[train_idx, ]
  test_data <- df[-train_idx, ]
  
  # 2.1 训练集计算Salary分位数断点
  salary_breaks <- quantile(train_data$Salary, probs = c(0, 0.33, 0.66, 0.99, 1))
  # 训练集给Salary分组
  train_data$salary_group <- cut(train_data$Salary, breaks = salary_breaks, include.lowest = TRUE)
  # 计算每个分组的Height 80分位数
  group_height_p80 <- aggregate(Height ~ salary_group, data = train_data, FUN = quantile, probs = 0.8)
  
  # 2.2 测试集复用训练集的断点分组
  test_data$salary_group <- cut(test_data$Salary, breaks = salary_breaks, include.lowest = TRUE)
  # 测试集匹配对应分组的Height 80分位数
  test_data <- merge(test_data, group_height_p80, by = "salary_group", suffixes = c("", "_p80"))
  # 计算当前折的准确率：Height低于对应分组p80的样本占比
  current_acc <- mean(test_data$Height < test_data$Height_p80, na.rm = TRUE)
  
  # 关键：把当前折结果存入结果容器，不要覆盖
  result_df$fold[i] <- i
  result_df$accuracy[i] <- current_acc
}

# 3. 输出所有迭代结果+平均准确率
print("所有折的准确率结果：")
print(result_df)
print(paste0(k, "折交叉验证平均准确率：", round(mean(result_df$accuracy), 4)))

常见错误说明 #

你之前循环只能保留最后一次结果，大概率是犯了以下两种错误之一：

• 没有提前初始化结果容器，每次循环都重新创建结果对象，覆盖了之前的内容
• 没有给结果容器指定索引位置写入，每次都直接给整个对象赋值，仅保留最后一次计算值

内容的提问来源于stack exchange，提问作者stats_noob