caret是如何拆分trainControl中的数据的？

如何解决caret是如何拆分trainControl中的数据的？

我需要在一个交叉验证的结构化顺序中拆分数据，例如：

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

trainControl() 中的 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很清楚地保证这一点。

解决方法

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，我无法按顺序运行，所以我先将其随机化：

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

我创建了折叠，下面基于 10 折交叉验证，因此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,... 
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.