train（）函数和速率模型（具有偏移量的泊松回归）与脱字符号
我用glm() （带有偏移量的泊松链接，如
y ~ offset(log(x1)) + x2 + x3
在这种情况下，响应是y/x1 ）。
然后，我想使用插入符号包进行交叉验证，因此我使用了k-fold CV控制的“train（）”函数。 事实证明，我有两个模型是非常不同的。 似乎train()无法处理offset ：我将offset量内的变量更改为offset offset(log(log(x1))或offset(log(sqrt(x1)) ，模型保持不变。
任何人都有过这种经历，你是如何处理它的？ 谢谢！
顺便说一句，我想保存每个验证集的预测，所以到目前为止，我只知道脱字符可以做到这一点，这就是为什么我没有选择使用cv.glm。
我不能声称有这个确切的过程的经验，并没有在没有提供可重复的例子和代码的情况下做任何测试。 但我确实有将移位补偿移动到glm -Pission归属调用的LHS的经验，所以为什么不将公式（和家族）更改为：
glm( I(y/x1) ~ x2 + x3, family=quasipoisson, data= , ...)
上一篇: train() function and rate model (poisson regression with offset) with caret