R插入符号/如何在rfe工作中对列车进行交叉验证

时间:2013-01-22 19:59:12

标签: r cross-validation r-caret rfe

我对rfe库中的caret函数有疑问。在插入符号主页link上,他们提供以下RFE算法: algorithm

对于这个例子,我使用具有3倍交叉验证的rfe函数和带有线性SVM和5倍交叉验证的 train 函数。

library(kernlab)
library(caret)
data(iris)

# parameters for the tune function, used for fitting the svm
trControl <- trainControl(method = "cv", number = 5)

# parameters for the RFE function
rfeControl <- rfeControl(functions = caretFuncs, method = "cv",
                     number= 4, verbose = FALSE )

rf1 <- rfe(as.matrix(iris[,1:4]), as.factor(iris[,5]) ,sizes = c( 2,3) ,  
           rfeControl = rfeControl, trControl = trControl, method = "svmLinear")
  • 从上面的算法我假设算法可以使用2个嵌套的交叉验证:
    1. rfe会将数据(150个样本)拆分为3倍
    2. train函数将在训练集(100个样本)上运行,并进行5次交叉验证以调整模型参数 - 随后的RFE。

让我感到困惑的是,当我看一下rfe函数的结果时:

> lapply(rf1$control$index, length)
$Fold1
[1] 100
$Fold2
[1] 101
$Fold3
[1] 99

> lapply(rf1$fit$control$index, length)
$Fold1
[1] 120
$Fold2
[1] 120
$Fold3
[1] 120
$Fold4
[1] 120
$Fold5
[1] 120

从那看起来,5倍cv的训练集的大小是120个样本,当我期望80的大小。??

如果有人能够澄清 rfe 训练如何协同工作,那将会很棒。

干杯

> sessionInfo()
R version 2.15.1 (2012-06-22)
Platform: i386-apple-darwin9.8.0/i386 (32-bit)

locale:
[1] C

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
 [1] pROC_1.5.4      e1071_1.6-1     class_7.3-5     caret_5.15-048 
 [5] foreach_1.4.0   cluster_1.14.3  plyr_1.7.1      reshape2_1.2.1 
 [9] lattice_0.20-10 kernlab_0.9-15 

loaded via a namespace (and not attached):
 [1] codetools_0.2-8 compiler_2.15.1 grid_2.15.1     iterators_1.0.6
 [5] stringr_0.6.1   tools_2.15.1   

1 个答案:

答案 0 :(得分:1)

这里的问题是lapply(rf1$fit$control$index, length)没有存储我们认为它的作用。

让我明白有必要查看代码。会发生什么有以下几点:

当您致电rfe时,整个数据会传递给nominalRfeWorkflow

nominalRfeWorkflow中,根据rfeControl分割的列车和测试数据(在我们的示例中,根据3折CV规则3次)被传递到rfeIter。 我们可以在rf1$control$index下的结果中找到这些拆分。

rfeIter中,~100个训练样本(我们的例子)用于查找最终变量(该函数的输出)。 据我了解,大约50个测试样本(我们的例子)用于计算不同变量集的性能,但它们仅作为外部性能存储,但不用于选择最终变量。 为了选择这些,使用5倍交叉验证的性能估计。 但是我们在rfe返回的最终结果中找不到这些索引。 如果我们确实需要它们,我们需要从fitObject$control$index中的rfeIter获取它们,将它们返回到nominalRfeWorkflow,然后返回到rfe,并从中生成rfe } { - {1}}返回的-Class对象。

那么rfe中存储了什么? - 当lapply(rf1$fit$control$index, length)找到最佳变量时,使用最佳变量和完整参考数据创建最终模型拟合(150)。 rferf1$fit中创建如下:

rfe

此函数再次运行fit <- rfeControl$functions$fit(x[, bestVar, drop = FALSE], y, first = FALSE, last = TRUE, ...)函数,并使用完整的参考数据进行最终交叉验证,最终的特征集和train通过省略号(trControl)给出。 由于我们的...应该做5倍CV,因此trControl返回120是正确的,因为我们必须计算150/5 * 4 = 120。