R语言中Boston数据用于交叉验证

在R语言中，Boston数据集是一个经典的统计学习示例，它包含了波士顿地区房价的一些统计数据。这个数据集通常被用于机器学习教程中，特别是讲解回归分析、模型评估和交叉验证的概念。

交叉验证是一种评估模型性能的技术，特别是在没有完整的独立测试集的情况下。在R中，你可以使用`caret`包来进行模型训练和交叉验证。首先，你需要加载必要的库，如`tidyverse`和`caret`：

library(tidyverse)
library(caret)

# 加载Boston数据集
data(Boston)

然后，你可以创建一个交叉验证的对象，并用`train()`函数拟合模型，例如线性回归模型：

set.seed(123) # 设置随机种子保证结果可复现
control <- trainControl(method = "cv", number = 5) # 创建一个5折交叉验证控制
model <- train(medv ~ ., data = Boston, method = "lm", trControl = control)

在这里，`medv`是目标变量（房价），`.`表示所有其他变量将作为预测因素。`trainControl`设置了五折交叉验证，`method="cv"`表示使用k折交叉验证，`number=5`指定了k值为5。

执行上述代码后，你会得到每个折的平均误差或其他评估指标，这可以帮助你了解模型在未见过的数据上的表现，以及避免过拟合。