在训练和测试数据上拟合最终模型答案

【问题标题】：fit final model on both train and test data在训练和测试数据上拟合最终模型
【发布时间】：2021-03-04 03:24:32
【问题描述】：

我使用交叉验证来使用 R 中的 Caret 包找到最佳超参数。这个模型适合完整的训练数据，但我想在训练和测试数据上训练最终模型。我该怎么做？

【问题讨论】：

【解决方案1】：

您可以获得最佳参数并将其放入单个网格中：

library(caret)
idx = sample(nrow(iris),100)
dat = iris
dat$Species = ifelse(atd$Species=="versicolor","v","o")
traindf = dat[idx,]
testdf = dat[idx,]

mdl = train(Species ~ .,data=traindf,method="gbm",
trControl=trainControl(method="cv"))

train_fit = train(Species ~ .,data=traindf,method="gbm",
                  trControl=trainControl(method="cv"),
                  tuneGrid = mdl$bestTune)

test_fit = train(Species ~ .,data=testdf,method="gbm",
                  trControl=trainControl(method="cv"),
                  tuneGrid = mdl$bestTune)

由于您没有提供数据或更多信息。这是直接的方法。否则，您将调用该方法，例如在本例中为 gbm() 并再次拟合。

【讨论】：

谢谢你，这帮助很大。我看到您在 trainControl 中指定了 method = "cv"，如果我们只想在不调整参数的情况下拟合最终模型，我觉得这没有意义。当我们只想用最佳调整参数拟合模型时，是否有理由使用 method="cv"，还是只使用 method="none" 确实更有意义？
是的，您可以使用 method="none"。感谢您指出这一点