Когда вы используете функцию train () с перекрестной проверкой контроля поезда, как вы видите прогнозы модели в тестовом наборе? - PullRequest
Новая
       13

Когда вы используете функцию train () с перекрестной проверкой контроля поезда, как вы видите прогнозы модели в тестовом наборе?

0 голосов
/ 01 февраля 2020

Я новичок, пытающийся освоить некоторые базовые c техники машинного обучения.

Я хочу использовать перекрестную проверку без выходных и функцию train () для обучения модели. Кажется, моя функция работает так, как должна. Тем не менее, я не могу видеть предсказания набора тестов модели. Как бы вы сделали это, учитывая следующую модель? 

# Create custom trainControl: myControl
myControl <- trainControl(
  method = "loocv", 
  verboseIter = TRUE
)

# Fit glmnet model: model
model <- train(
  y ~ ., 
  data,
  method = "glmnet",
  trControl = myControl,
  preProcess = c("center", "scale", "pca")
)

Ответы [ 2 ]

0 голосов
/ 02 февраля 2020

Отвечая на мой дополнительный вопрос, если кому-то интересно: 

myControl <- trainControl(
  method = "loocv"
  savePredictions = "final",
)

model <- train(
  y ~ ., 
  data,
  method = "glmnet",
  trControl = myControl,
  preProcess = c("center", "scale", "pca")
)
data$pred <- model$pred[ , "pred"]
0 голосов
/ 02 февраля 2020

Вы можете установить savePredictions=TRUE в trainControl: 

myControl <- trainControl(
  method = "loocv", 
  savePredictions=TRUE
)

model <- train(
  mpg ~ ., 
  data,
  method = "glmnet",
  trControl = myControl,
  preProcess = c("center", "scale", "pca"),
  tuneGrid = expand.grid(alpha = c(0.1,0.01),lambda = c(0.1,0.01))
)

Вы можете посмотреть на прогнозы, используя каждую комбинацию параметров: 

      pred obs rowIndex alpha lambda Resample
1 22.56265  21        1  0.10   0.10   Fold01
2 22.59835  21        1  0.10   0.01   Fold01
3 22.57767  21        1  0.01   0.10   Fold01
4 22.59717  21        1  0.01   0.01   Fold01
5 22.12174  21        2  0.10   0.10   Fold02
6 22.14886  21        2  0.10   0.01   Fold02
7 22.13080  21        2  0.01   0.10   Fold02
8 22.14667  21        2  0.01   0.01   Fold02

Я протестировал 4 комбинации лямбда и альфа, так что вы можете видеть выше для каждого оставленного наблюдения, это прогноз

...