Question

首先我要说的是，我已经阅读了很多关于交叉验证的帖子，似乎有很多混乱。我对它的理解就是这样：

进行k倍交叉验证，即10倍，以了解10倍的平均误差。
如果可以接受，则在完整的数据集上训练模型。

我正在尝试使用R中的rpart构建决策树，并利用caret包。以下是我正在使用的代码。

# load libraries
library(caret)
library(rpart)

# define training control
train_control<- trainControl(method="cv", number=10)

# train the model 
model<- train(resp~., data=mydat, trControl=train_control, method="rpart")

# make predictions
predictions<- predict(model,mydat)

# append predictions
mydat<- cbind(mydat,predictions)

# summarize results
confusionMatrix<- confusionMatrix(mydat$predictions,mydat$resp)

我有一个关于插入符号列车应用的问题。我已经阅读了A Short Introduction to the caret Package列车部分，该部分在重新采样过程中表明确定了“最佳参数集”。

在我的例子中，我是否正确编码了？我是否需要在代码中定义rpart参数或我的代码是否足够？

Answer 1

当你进行k折交叉验证时，你已经对每个样本进行了预测，只有10多种不同的模型（假设k = 10）。没有必要对完整数据进行预测，因为您已经从k个不同模型中预测了它们。

您可以做的是：

train_control<- trainControl(method="cv", number=10, savePredictions = TRUE)

然后

model<- train(resp~., data=mydat, trControl=train_control, method="rpart")

如果你想以一种漂亮的格式看到观察和预测，你只需输入：

model$pred

同样对于你问题的第二部分，插入符应该处理所有参数。如果需要，您可以手动尝试调整参数。

Answer 2

这里需要注意的重要事项是不要混淆模型选择和模型误差估计。

您可以使用交叉验证来估计模型超参数（例如正则化参数）。

通常用10倍交叉验证来完成，因为它是偏差 - 方差权衡的好选择（2倍可能导致具有高偏差的模型，留下一个cv可能会导致模型具有高差异/超过-配件）。

之后，如果您没有独立的测试集，您可以使用交叉验证来估计某些性能指标的经验分布：一旦找到最佳超参数，您可以使用它们来估计de cv错误。

请注意，在此步骤中，超参数是固定的，但可能模型参数在交叉验证模型中是不同的。

Answer 3

在插入符号包short introduction document的第一页中，提到跨参数选择最佳模型。作为一个起点，必须理解交叉验证是选择最佳建模方法而不是模型本身CV - Final model selection的过程。 Caret使用tuneGrid提供网格搜索选项，您可以在其中提供要测试的参数值列表。训练完成后，最终模型将具有优化参数。

使用插入符号包

3 个答案: