r - 如何使用 CARET 包评估多个模型？

Question

我想使用CARETandnnet包来预测泰坦尼克号数据集的生存/死亡。我想拟合 20 个神经网络，每个神经网络有 1 个隐藏节点、2 个隐藏节点、...... 20 个隐藏节点。通常，该CARET程序包会根据训练数据选择最佳模型，但我想获取 20 个网络中的每一个，并将它们中的每一个应用于测试数据。如何保存每个模型以便根据测试数据集对其进行测试？CARET 包中是否有可以提供帮助的方法？

Answer 1

不直接，不，但应该是可能的。您需要修改fit函数以将它们保存到文件中。在fit函数内部，您将知道调整参数值，但不知道构建模型的重采样。

这是您将如何完成此任务的示例，它来自一个非常相似的问题的答案。

# Copy all model structure info from existing model type
cust.mdl <- getModelInfo("rf", regex=FALSE)[[1]]

# Override fit function so that we can save the iteration
cust.mdl$fit <- function(x=x, y=y, wts=wts, param=param, lev=lev, last=last, classProbs=classProbs, ...) {
  # Dont save the final pass (dont train the final model across the entire training set)
  if(last == TRUE) return(NULL) 

  # Fit the model
  fit.obj <- getModelInfo("rf", regex=FALSE)[[1]]$fit(x, y, wts, param, lev, last, classProbs, ...)

  # Create an object with data to save and save it
  fit.data <- list(resample=rownames(x),
                   mdl=fit.obj,
                   #x, y, wts,
                   param=param, lev=lev, last=last, classProbs=classProbs, 
                   other=list(...))

  # Create a string representing the tuning params
  param.str <- paste(lapply(1:ncol(param), function(x) {
                     paste0(names(param)[x], param[1,x])
                    }), collapse="-")

  save(fit.data, file=paste0("rf_modeliter_", sample(1000:9999,1), "_", param.str, ".RData"))
  return (fit.obj)
}