Question

这是未知领域，所以如果问题不清楚，请告诉我。

我正在尝试用插入号适应随机森林。我有大约160个观测值的数据集，其中60/160是重复测量值，因此我需要确保不使用相同的id（患者）进行训练和验证。因此，在训练模型之前，我已使用groupKFold创建5折。

我不明白的是，在训练模型之后，我应该在什么时候使用/选择数据进行实际的测试/验证？换句话说，“ newdata”在哪里？ predict(rf_mod, "??")

folds <- groupKFold(rf_data$id, k = 5)

rf_data <- rf_data %>% select(-id)

fitControl <- trainControl(method = "cv",
                           number = 5,
                           index = folds,
                           search = "random")

rf_mod <- train(cancer ~ ., rf_data,
                method = "rf",
                trControl = fitControl)

Answer 1

首先，优良作法是编写可复制的代码。我们不会使用与您相同的数据...

但是，这个问题很简单。建议您查看文档?groupKFold。在哪里可以看到：“使用createDataPartition创建了一系列测试/训练分区”，并且“ groupKFold根据分组因子拆分了数据”。

在您提供的代码中，您将数据分为不同的交叉验证折叠，但随后您在训练中使用了 all 数据。通过在使用createDataPartition之前先使用groupKFold，，例如通过以下方式支持您70％的数据：

set.seed(10)
train_ind <- createDataPartition(rf_data$cancer, p=0.7, list=FALSE)
train_dat <- rf_data[train_ind,]
test_dat <- rf_data[!train_ind,]

插入符:: groupKFold和验证/测试

1 个答案: