插入符号调整后，拟合最终模型

Question

在适合最佳模型之前，我想使用插入符号来调整各种机器学习模型的超参数。但是我很难拟合最终模型并从模型中读取拟合。

目标：我有一个用df表示的模型矩阵，我想使用几种机器学习算法（lm，glmnet，gbm，svm和随机森林）来预测将来的值x。

这就是我正在尝试做的事情：\ 1.我使用了两种版本的时间控制（trainingTimeControl和fitTimeControl），其中一种使用时间片，另一种没有方法仅适合模型。 2.然后，我使用tunelength = 5和trainingTimeControl训练了模型。 3.我选择了bestTune并使用fitTimeControl拟合模型

这是一个最小的工作示例：

df=data.frame(date=seq(as.Date("2014/01/01"), by = "day", length.out = 1090),x=rnorm(1090),y=rnorm(1090),z=rnorm(1090))

df_training<-df[1:730,]
df_test<-df[731:nrow(df),]

glmnet.mod<-list()
glmnet.fit<-list()

# creating sampling seeds
set.seed(123)

n=nrow(dfml_training)
tuneLength.num <- 5

seeds <- vector(mode = "list", length = n) # creates an empty vector containing lists
for(i in 1:(n-1)){ # choose tuneLength.num random samples from 1 to 1000
  seeds[[i]] <- sample.int(1000, tuneLength.num) 
}

# For the last model:
seeds[[n]] <- sample.int(1000, 10)

trainingTimeControl <- trainControl(method = "timeslice",
                                    initialWindow = trainingWindow,
                                    horizon = 1,
                                    fixedWindow = TRUE,
                                    returnResamp="all",
                                    allowParallel = TRUE,
                                    seeds = seeds,
                                    savePredictions = TRUE)

fitTimeControl <- trainControl(method = "none",
                               allowParallel = TRUE)

glmnet.mod <- caret::train(x ~ . - date,
                               data = df_training,
                               method = "glmnet",
                               family = "gaussian",
                               trControl = trainingTimeControl,
                               tuneLength=tuneLength.num)

glmnet.fit <- caret::train(x ~ . - date,
                               data = df_test,
                               method = "glmnet",
                               family = "gaussian",
                               trControl = fitTimeControl,
                               tuneGrid=glmnet.mod$bestTune)

lm.mod <- caret::train(x ~ . - date,
                           data = df_training,
                           method = "lm",
                           trControl = trainingTimeControl,
                           tuneLength=tuneLength.num)

lm.fit <- caret::train(x ~ . - date,
                           data = df_test,
                           method = "lm",
                           trControl = fitTimeControl,
                           tuneGrid=lm.mod$bestTune)

但是，我无法访问所有算法的拟合值。虽然lm的拟合值只是lm.fit $ finalModel $ fitted.values，而gbm的拟合值是gbm.fit $ finalModel $ fit，但我不知道例如glmnet和svm的等效值是什么。我是否使用我使用的fitTimeControl版本以正确的方式拟合最终模型？