R 使用交叉验证减少预测结果的变化

我试图预测一些足球比赛的获胜类别。我有以下建议：

head(df)
won               TEAM1              TEAM2  EXPG1   EXPG2 VAR1  VAR2
41   1            Bordeaux             Bastia 1.4200 0.93285  0.33  0.32
42   0                Caen             Rennes 1.3105 1.11580  0.44  0.43
43   2                Lens              Reims 1.3678 0.90433  0.34  0.43
44   2             Lorient           Guingamp 1.1773 0.96671  0.43  0.54
45   2 Olympique Marseille               Nice 1.3541 0.89154  0.53  0.54
46   2                Metz Olympique Lyonnais 1.1768 0.99026  0.53  0.61

不，我想说以下几点：

• 测试如果在EXPG1和EXPG2之外包含VAR1或VAR2，我的预测是否会更好
• （如果我的预测更好）-测试是否应包括或VAR1或VAR2（哪个var更准确）

我做了以下几件事

#library(caret)
inTrain <- createDataPartition(y=df$won, p=0.7, list=FALSE)
training <- df[inTrain, ]
testing <- df[-inTrain, ]

#perform rf for EXPG1 and EXPG2
fit1 <- randomForest(won ~ EXPG1 + EXPG2, data=training, importance=TRUE, ntree=2000) 
Prediction1 <- predict(fit1, testing)
conf1 <- confusionMatrix(Prediction, testing$won)
#get accuracy

   #perform rf for EXPG1, EXPG2 and VAR1
fit1 <- randomForest(won ~ EXPG1 + EXPG2 + VAR1 , data=training, importance=TRUE, ntree=2000) 
Prediction1 <- predict(fit1, testing)
conf1 <- confusionMatrix(Prediction, testing$won)
#get accuracy


#perform rf for EXPG1, EXPG2 and VAR1
fit1 <- randomForest(won ~ EXPG1 + EXPG2 + VAR2 , data=training, importance=TRUE, ntree=2000) 
Prediction1 <- predict(fit1, testing)
conf1 <- confusionMatrix(Prediction, testing$won)
#get accuracy

#库（插入符号）
带或不带巴黎圣日耳曼的inTrain？你不应该在
列车上安装randomForest，而不是在包含
测试的整个
df
上安装randomForest吗？CV并不意味着你应该在训练期间将模型暴露在测试数据中。@cyberj0g谢谢你的回答。所以安装是的。你所说的
预测是什么意思iff
？CV和测试结果之间的准确度差异的2%实际上相当不错。不，我的意思是，有一次我得到了41%的准确度，如果我再次运行它（不设置种子）它给了我43%…有或没有巴黎圣日耳曼？你不应该在
列车
上安装randomForest吗，而不是在包含
测试
的整个
df
上安装randomForest吗？CV并不意味着你应该在训练期间将模型暴露在测试数据中。@cyberj0g谢谢你的回答。所以安装是的。你所说的
预测是什么意思ions still diff
？CV和测试结果之间的准确度差异的2%实际上相当不错。不，我的意思是，有一次我得到41%的准确度，如果我再次运行它（不设置种子），它会给我43%。。。
     #perform rf for EXPG1 and EXPG2
fit1 <- randomForest(won ~ EXPG1 + EXPG2, data=training, importance=TRUE, ntree=2000) 
Prediction1 <- predict(fit1, testing)
conf1 <- confusionMatrix(Prediction, testing$won)
#get accuracy