caret如何拆分trainControl中的数据？

Question

我需要在交叉验证中按顺序拆分数据，例如：

fold-1 观察值从 1 到 10，fold-2 观察值从 11 到 20 等等...

trainControl() 和 caret 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任何明确的内容来保证这一点。

Answer 1

您可以使用 indexOut= 参数提供折叠。查看 help page。下面我以 iris 为例，我不能按顺序运行因为数据是按物种排序的，所以我先随机化它：

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

我创建了折叠，下面是基于 10 折交叉验证，所以每次折叠占总行数的 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

然后运行 train() 用这个：

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.

caret如何拆分trainControl中的数据？

How does caret split the data in trainControl?

split

r

sampling

cross-validation

r-caret