问题标签 [r-caret]

我一直在使用 R 中的 caret 包来运行一些增强的回归树和随机森林模型，并希望使用内置的交叉验证例程为一组新案例生成预测区间。

trainControl 函数允许您保存每个 n 折叠处的保留预测，但我想知道是否也可以使用内置函数在每个折叠处预测未知情况，或者我是否需要使用单独的循环构建模型 n 次。

非常感谢任何建议

在 R 中，我指定了一个没有截距的模型，如下所示：

但是，如果我用插入符号拟合相同的模型，则生成的模型将包含一个截距：

我如何告诉caret::train排除截距项？

我正在使用rfecaret 包中的函数为逻辑回归模型进行特征选择。我正在查看sizes5、10、15、20 和 25 选择使用 Rsquared 的最佳模型（我的因变量是 0,1）。rfe除了最终选择的模型之外，有没有办法访问该函数产生的其他模型？

当我在插入符号中运行 2 个随机森林时，如果我设置一个随机种子，我会得到完全相同的结果：

但是，如果我注册一个并行后端来加速建模，每次运行模型时都会得到不同的结果：

有没有办法解决这个问题？一个建议是使用doRNG包，但train使用当前不支持的嵌套循环：

doSNOW更新：我认为可以使用and来解决这个问题clusterSetupRNG，但我无法做到。

foreach有什么特别之处，为什么不用我在集群上发起的种子？对象a和b是相同的，那么为什么不model1和model2？

我的问题与使用 Caret 包时 的分类数据（R 术语中的因素）有关。我从链接的帖子中了解到，如果您使用“公式界面”，则某些功能可能是因素，并且培训会正常工作。我的问题是如何使用preProcess()函数缩放数据？如果我尝试在以某些列为因素的数据框上执行此操作，则会收到以下错误消息：

请参阅此处的一些示例代码：

谢谢你。

我正在使用bayesglm逻辑回归问题。这是一个包含 150 行和 2000 个变量的数据集。我正在尝试进行变量选择，通常会查看glmnet. caret::rfe但是没有方法bayesglm。

无论如何要手动定义一个方法rfe吗？

我对图书馆的rfe功能有疑问。caret在插入符号主页链接上，他们给出了以下 RFE 算法： 算法

在这个例子中，我使用了rfe带有 3 折交叉验证的函数和带有线性支持向量机和 5 折交叉验证的train函数。

• 从上面的算法中，我假设该算法可以使用 2 个嵌套的交叉验证：
  1. rfe将数据（150 个样本）分成 3 折
  2. 该train函数将在具有 5 倍交叉验证的训练集（100 个样本）上运行以调整模型参数 - 以及随后的 RFE。

让我困惑的是，当我查看rfe函数的结果时：

由此看来，来自 5 倍 cv 的训练集的大小是 120 个样本，而我预计的大小是 80。

因此，如果有人能阐明rfe和train如何协同工作，那就太好了。

干杯

使用caret时，如何在训练后保存模型，并稍后加载（例如在不同的会话中）以进行预测？

我正在尝试使用包caret获取各种训练模型的预测统计信息。下面是一个说明我需要的例子：

如何从 X_kand Y_pred为我的 4 个模型获取预测统计信息（ROC 等）？

我正在尝试将caretR 中的包用于具有用户定义的性能指标的几个嵌套交叉验证过程。我遇到了各种各样的问题，所以我回过头来看看是否存在更多开箱即用的问题caret，似乎我遇到了一个问题。

如果我运行以下命令：

我收到错误（或类似错误）：

{ 中的错误：任务 1 失败 - “参数暗示不同的行数：619、381”

带有警告：

但是，如果我只运行 gbm 例程，一切都会很好。