R中序贯logistic回归的交叉验证（使用rpy2）

Question

我试图用Python创建一个预测模型，通过交叉验证比较几种不同的回归模型。为了适应有序逻辑模型（MASS.polr），我必须通过rpy2与R接口，如下所示：

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))

到目前为止，我主要使用sklearn.cross_validation.test_train_split和{}比较我的模型，得到一个从0到1的数字，它代表了训练集模型预测测试集值的准确性。在

我如何使用rpy2和MASS.polr复制这个测试？在

Answer 1

问题最终通过使用rms.lrm重新装配模型来解决，它提供了一个validate()函数（解释如下this example）。在