插入符号：带可变tuneGrid的RFE

我尝试使用插入符号来拟合PLS模型，同时优化组件“ncomps”的数量：

library("caret")
set.seed(342)
train <- as.data.frame ( matrix( rnorm(1e4) , 100, 100 ) )

ctrl <- rfeControl(functions = caretFuncs,                                                      
                   method = "repeatedcv",
                   number=2, 
                   repeats=1,
                   verbose =TRUE
)

pls.fit.rfe <- rfe(V1 ~ .,
                   data = train,   
                   method = "pls",                    
                   sizes =  6,
                   tuneGrid = data.frame(ncomp = 7), 
                   rfeControl = ctrl
)

库（“插入符号”）
种子集（342）
训练尝试使用
tuneLength=7
而不是
tuneGrid
。前者更灵活，并将根据数据集的大小使用适当的
ncomp
：

> pls.fit.rfe  pls.fit.rfe

Recursive feature selection

Outer resampling method: Cross-Validated (2 fold, repeated 1 times) 

Resampling performance over subset size:

 Variables   RMSE Rsquared  RMSESD RsquaredSD Selected
         6 1.0229  0.01684 0.04192  0.0155092         
        99 0.9764  0.00746 0.01096  0.0008339        *

The top 5 variables (out of 99):
>pls.fit.rfe pls.fit.rfe
递归特征选择
外部重采样方法：交叉验证（2倍，重复1次）
子集大小上的重采样性能：
选择变量RMSE Rsquared RMSESD RsquaredSD
6 1.0229  0.01684 0.04192  0.0155092         
99 0.9764  0.00746 0.01096  0.0008339        *
前5个变量（共99个）：
如果您不想这样做，您也可以随时调整功能

麦克斯
谢谢，这很有效。但是（从不带RFE的train（）的结果来看），似乎在RFE的每一步都没有执行ncomp优化。这是rfe（）的预期行为吗？