留一验证法(LOOCV）和留P验证法R语言实现

留一验证法（Leave-One-Out Cross-Validation，LOOCV）。将原始数据集分成训练集和测试集两部分。对于一个包含n个样本的数据集，留一验证法将n-1个样本作为训练集。用训练集训练模型，然后使用该模型对测试集进行预测，计算预测误差，最终得到n个预测误差，将它们求平均作为模型的性能评估指标。可以使用不同的模型选择算法，如岭回归、lasso回归、逐步回归等，选择性能最优的模型。

R语言实现loocv具体过程如下：这段代码用于实现基于线性回归的房价预测模型，并使用交叉验证评估模型性能。以下是代码的注释说明：

# 导入包
library(Ecdat) 
# 查看包内数据结构
str(Hedonic)
#导入包
library(Ecdat)
library(caret)
#实现LOOCV
loocv <- train(age ~ mv + crim + zn + indus 
                + chas + nox + rm + tax + dis
                + rad + ptratio + blacks + lstat,data=Hedonic,method="glm",
                trControl=trainControl(method="LOOCV"))
print(loocv)

 留P验证法：

#留P验证法
set.seed(123)
loocv_p <- train(age ~ mv + crim + zn + indus 
               + chas + nox + rm + tax + dis
               + rad + ptratio + blacks + lstat,data=Hedonic,method="glm",
               trControl=trainControl(method="LGOCV",p=0.6))
print(loocv_p)