插入符号如何拆分 trainControl 中的数据？答案

【问题标题】：How does caret split the data in trainControl?插入符号如何拆分 trainControl 中的数据？
【发布时间】：2020-12-29 22:22:42
【问题描述】：

我需要将数据拆分成一个顺序结构化的交叉验证，比如：

fold-1 的观测值从 1 到 10，fold-2 的观测值的索引从 11 到 20 等等...

caret 中的trainControl() 中的任何方法是否按顺序执行？我想“cv”方法以这种方式拆分数据，但插入符号的文档中没有很清楚的保证。

【问题讨论】：

标签： r split cross-validation r-caret sampling

【解决方案1】：

您可以使用indexOut= 参数提供折叠。查看help page。下面我以 iris 为例，由于数据是按 Species 排序的，所以不能顺序运行，所以我先随机化：

library(caret)
dat = iris[sample(nrow(iris)),]

我创建了折叠，下面是基于 10 折叠交叉验证，所以每个折叠占总行数的 1/10：

idx = (1:nrow(dat) - 1) %/% (nrow(dat) / 10)
Folds = split(1:nrow(dat),idx)

我们可以看看索引的分配：

Folds[[1]]
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15

Folds[[2]]
 [1] 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

然后用这个运行train()：

model = train(Species ~.,method="rf",data=dat,
trControl=trainControl(method="cv",indexOut=Folds))


model
Random Forest 

150 samples
  4 predictor
  3 classes: 'setosa', 'versicolor', 'virginica' 

No pre-processing
Resampling: Cross-Validated (10 fold) 
Summary of sample sizes: 135, 135, 135, 135, 135, 135, ... 
Resampling results across tuning parameters:

  mtry  Accuracy   Kappa    
  2     1.0000000  1.0000000
  3     1.0000000  1.0000000
  4     0.9933333  0.9895833

Accuracy was used to select the optimal model using the largest value.
The final value used for the model was mtry = 2.

【讨论】：