如何使用 r 中的插入符号包在 10 倍交叉验证中获得最佳调整超参数的每个折叠的预测？

Question

我试图使用 R 中的 caret 包使用 10 折交叉验证和 3 次重复运行 SVM 模型。我想使用最佳调整的超参数来获得每个折叠的预测结果。我正在使用以下代码

# Load packages
library(mlbench)
library(caret)

# Load data
data(BostonHousing)

#Dividing the data into train and test set
set.seed(101)
sample <- createDataPartition(BostonHousing$medv, p=0.80, list = FALSE)
train <- BostonHousing[sample,]
test <- BostonHousing[-sample,]

control <- trainControl(method='repeatedcv', number=10, repeats=3, savePredictions=TRUE)
metric <- 'RMSE'

# Support Vector Machines (SVM) 
set.seed(101)
fit.svm <- train(medv~., data=train, method='svmRadial', metric=metric,
                 preProc=c('center', 'scale'), trControl=control)
fit.svm$bestTune
fit.svm$pred 

fit.svm$pred 使用超参数的所有组合给我预测。但我只想对重复次数的每 10 倍平均值使用最佳调整的超参数进行预测。

Answer 1

实现目标的一种方法是使用 fit.svm$bestTune 中的超参数对 fit.svm$pred 进行子集化，然后通过 CV 复制聚合所需的度量。我将使用dplyr 执行此操作：

library(tidyverse)
library(caret)
fit.svm$pred %>%
  filter(sigma == fit.svm$bestTune$sigma & C == fit.svm$bestTune$C) %>% #subset 
  mutate(fold = gsub("\\..*", "", Resample), #extract fold info from resample info
         rep = gsub(".*\\.(.*)", "\\1", Resample)) %>% #extract replicate info from resample info
  group_by(rep) %>% #group by replicate
  summarise(rmse = RMSE(pred, obs)) #aggregate the desired measure

输出：

# A tibble: 3 x 2
  rep    rmse
  <chr> <dbl>
1 Rep1   4.02
2 Rep2   3.96
3 Rep3   4.06

编辑：如果你不喜欢使用正则表达式，或者只是想节省一点打字，你可以使用dplyr::separate：

fit.svm$pred %>%
  filter(sigma == fit.svm$bestTune$sigma & C == fit.svm$bestTune$C) %>%
  separate(Resample, c("fold", "rep"), "\\.") %>%
  group_by(rep) %>%
  summarise(rmse = RMSE(obs, pred))

EDIT2：回应评论。将观察值和预测值写入 csv。文件：

fit.svm$pred %>%
  filter(sigma == fit.svm$bestTune$sigma & C == fit.svm$bestTune$C) %>%
  write.csv("predictions.csv")