在选定的数据范围内创建数据分区以输入 caret::train 函数以进行交叉验证

Question

我想为下面的数据框创建千斤顶数据分区，这些分区将在caret::train 中使用（如caret::groupKFold() 产生的）。但是，问题是我想将测试点限制为大于 16 天，同时使用这些数据的其余部分作为训练集。

df <- data.frame(Effect = seq(from = 0.05, to = 1, by = 0.05),
     Time = seq(1:20))

我想这样做的原因是，我只对模型预测上限的能力真正感兴趣，因为这是感兴趣的区域。我觉得有一种方法可以使用 caret::groupKFold() 函数来做到这一点，但我不确定如何。任何帮助将不胜感激。

每个 CV 折叠包含的内容示例：

TrainSet1 <- subset(df, Time != 16)
TestSet1 <- subset(df, Time == 16)

TrainSet2 <- subset(df, Time != 17)
TestSet2 <- subset(df, Time == 17)

TrainSet3 <- subset(df, Time != 18)
TestSet3 <- subset(df, Time == 18)

TrainSet4 <- subset(df, Time != 19)
TestSet4 <- subset(df, Time == 19)

TrainSet5 <- subset(df, Time != 20)
TestSet5 <- subset(df, Time == 20)

尽管采用caret::groupKFold 函数输出的格式，以便可以将折叠输入caret::train 函数：

CVFolds <- caret::groupKFold(df$Time)
CVFolds

提前致谢！

Answer 1

我在内置函数中发现的自定义折叠通常不够灵活。因此我通常使用tidyverse 制作它们。解决您的问题的一种方法是：

library(tidyverse)

df %>%
  mutate(id = row_number()) %>% #use the row number as a column called id
  filter(Time > 15) %>% #filter Time as per your need
  split(.$Time)  %>% #split df to a list by Time
  map(~ .x %>% select(id)) #select row numbers for each list element

每次两行的例子：

df <- data.frame(Effect = seq(from = 0.025, to = 1, by = 0.025),
                 Time = rep(1:20, each = 2))

df %>%
  mutate(id = row_number()) %>%
  filter(Time > 15) %>%
  split(.$Time)  %>%
  map(~ .x %>% select(id)) -> test_folds

test_folds
#output
$`16`
  id
1 31
2 32

$`17`
  id
3 33
4 34

$`18`
  id
5 35
6 36

$`19`
  id
7 37
8 38

$`20`
   id
9  39
10 40

每次行数不等

df <- data.frame(Effect = seq(from = 0.55, to = 1, by = 0.05),
                 Time = c(rep(1, 5), rep(2, 3), rep(rep(3, 2))))

df %>%
  mutate(id = row_number()) %>%
  filter(Time > 1) %>%
  split(.$Time)  %>%
  map(~ .x %>% select(id))

$`2`
  id
1  6
2  7
3  8

$`3`
  id
4  9
5 10

现在您可以使用参数indexOut 在trainControl 内定义这些保持折叠。

编辑：要获得与caret::groupKFold 类似的输出，可以：

df %>%
  mutate(id = row_number()) %>%
  filter(Time > 1) %>%
  split(.$Time)  %>%
  map(~ .x %>%
        select(id) %>%
        unlist %>%
        unname) %>%
  unname