r - caret 包：是否可以实现我自己的引导方法？

Question

我正在为 R 使用caret包来为我的模型选择变量。使用rfe命令时，应传递 rfeControl 对象，该对象具有方法参数。此参数的选项有 boot、cv、LOOCV 和 LGOCV。由于我正在处理时间序列数据，因此我需要使用特殊的引导/交叉验证技术，因为普通技术不适用于时间序列数据（否则分布会损坏等）。

我的问题是如何插入我自己的引导实现但仍使用插入符号rfe方法，该方法具有我需要的所有其他东西。

Answer 1

没有简单的方法。如果您研究代码，rfe.default()您会注意到在使用method = "boot"该createResample()函数的情况下。这是生成引导样本的函数。类似的函数用于其他 CV 方法。

有一条艰难的路；超越create*()最合适的功能；说你想做一个block bootstrap或者ME bootstrap，接管createResample()功能并使用method = "boot"，或者如果你想要一个特殊形式的CV，使用method = "cv"并接管createFolds()。

您将需要编写自己的create*()函数并将插入符号 NAMESPACE 中的函数替换为您的版本。不容易，但非常可行。假设您编写自己的createResample()函数；首先，您需要注意，此函数会创建n = timesbootstrap 样本，并将其返回到一个矩阵中，该矩阵的times列数和行数与您的样本数一样多。您需要编写一个自定义createResample()函数，该函数返回相同的对象，但执行您想要使用的时间序列引导。

编写完该函数后，您需要将其放入 caret 命名空间，以便 caret 包中的函数使用它。为此，您使用assignInNamespace(). 假设您的新引导函数被调用createMyResample()并且它是您的工作区，要将其插入到插入符号命名空间中，请执行以下操作：

assignInNamespace("createResample", createMyResample, ns = "caret")

抱歉，我不能更具体，但你没有说你希望如何执行 bootstrap/CV，也没有说你想用什么 R 代码来进行重采样。如果您提供有关如何进行重采样的更多详细信息，我会再看一下，看看我是否可以帮助您编写create*()函数。

如果没有这一切，请联系 caret 的作者和维护者 Max Kuhn；他可能会提供进一步的建议，或者至少您可以建议将此功能作为未来版本的愿望清单。