在训练和测试数据上拟合最终模型

Question

我使用 R 中的 Caret 包通过交叉验证找到最佳超参数。该模型适用于完整的训练数据，但我想在训练数据和测试数据上训练最终模型。我该怎么做？

Answer 1

您可以获得最佳参数并将其作为单个网格进行拟合：

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。这是最简单的方法。否则你会调用该方法，例如在这种情况下 gbm() 并再次适合。

在训练和测试数据上拟合最终模型

fit final model on both train and test data

r

machine-learning

r-caret