predict.train vs predict使用配方对象

在指定了在caret:：train中使用的配方之后，我试图预测新的样本。关于这一点，我有几个问题，因为我在插入符号/食谱文档中找不到

我应该使用predict（）还是predict.train（）？有什么区别

在使用predict之前，我是否应该先用准备好的配方烘焙测试数据？在train（）中直接使用preProcess时，建议不要预处理新数据，因为train对象将自动进行预处理。使用食谱时也是这样吗

下面是一个可复制的示例，说明了我的过程以及使用predict vs predict.train时预测的差异

library(recipes)
library(caret)
# Data ----
data("credit_data")

credit_train <- credit_data[1:3500,]
credit_test <- credit_data[-(1:3500),]

# Set up recipe ----

set.seed(0)
Rec.Obj = recipe(Status ~ ., data = credit_train) %>%
    step_knnimpute(all_predictors()) %>% 
    step_center(all_numeric())%>%
    step_scale(all_numeric())

# Control parameters ----
set.seed(0)
TC = trainControl("cv",number = 10, savePredictions = "final", classProbs = TRUE, returnResamp = "final")


set.seed(0)
Model.Output = train(Rec.Obj,
                     credit_train,
                     trControl = TC,
                     tuneLength = 1,
                     metric = "Accuracy",
                     method = "glm")

# Preped recipe ----
set.seed(0)
prep.rec <- 
    prep(Rec.Obj, newdata = credit_train)

# Baked data for observation ----
set.seed(0)
bake.train <- bake(prep.rec, new_data = credit_train)
bake.test <- bake(prep.rec, new_data = credit_test)

# investigation of prediction methods ----

# no application of recipe to newdata
set.seed(0)
predict.norm = predict(Model.Output, credit_test, type = "raw")
predict.train = predict.train(Model.Output, credit_test,  type = "raw")

identical(predict.norm,predict.train)
# evaluates to FALSE

# Apply recipe to new data (bake.test)
predict.norm.baked = predict(Model.Output, bake.test, type = "raw")
predict.train.baked = predict.train(Model.Output, bake.test, type = "raw")

identical(predict.norm.baked, predict.train.baked)
# evaluates to FALSE

# Comparison of both predict() funcs
identical(predict.norm, predict.norm.baked)
# evaluates to FALSE

库（配方）
图书馆（插入符号）
#资料----
数据（“信用数据”）
信贷列车%
步进中心（所有数值（））%>%
阶跃刻度（所有数值（）
#控制参数----
种子集（0）
TC=列车控制（“cv”，编号=10，保存预测=“最终”，classProbs=TRUE，返回预测=“最终”）
种子集（0）
型号输出=列车（Rec.Obj，
信用卡列车，
trControl=TC，
tuneLength=1，
公制=“精度”，
方法=“glm”）
#配方----
种子集（0）
prep.rec配方被嵌入到
train
对象中。答案不同有两个原因：

由于您正在给配方（在
Model.Output
内）重新处理的处理数据。您不应该给出
predict（）
烘焙数据；只需使用
predict（）
并为其提供原始测试集

让S3做它自己的事情：
predict.train
用于x/y接口，
predict.train.recipe
用于配方接口。只要使用
predict（）
就可以做适当的事情