如何获得R中的平均总体精度和kappa统计

最近，我编写了一个脚本，用R中的randomForest软件包训练一个随机森林模型来分类土地利用/覆盖类型。当我运行脚本10次时，我将得到不同的总体精度和kappa统计数据。现在，我想用K-fold交叉验证重新训练我的模型，但我不知道如何做到这一点，如何找到一个最佳的模式？如果我使用K倍交叉验证重新训练我的模型，我如何才能得到平均的总体准确度和kappa统计

有没有人有一些经验或工作的例子？那将是非常感谢。非常感谢

我的代码如下：

[enter link description here][1]

cat（“计算随机林对象\n”）
randfor你需要提供一个，以便人们帮助你。很抱歉。我将上载我的所有数据。谢谢。嗨，LyzandeR。如何上载.R脚本？我不能这样做。
cat("Calculating random forest object\n")

randfor <-randomForest(as.factor(response)~.,data=trainvals,importance=TRUE, na.action=na.omit,proximity=TRUE)

#try to print randomForest model and see the important features
print(randfor)

#Try to see the margin, positive or negative, if positive it means   

#correct classification

rf.margin <- margin(randfor,responseTest)

plot(rf.margin)


#display the error rates of a randforForest

plot(randfor)

#Predict the land cover type of the test datasets

pred <- predict(randfor,newdata = trainvalsTest)

#generate a classification table for the testing datasets

rf.table <- table(pred,responseTest)

rf.table

# Plotting variable importance plot

varImpPlot(randfor)

classAgreement(rf.table)

#Print the value of overall accuracy and Kappa Statistic

confusion <- confusionMatrix(pred,responseTest)

confusion


#print the importance of all the input variables
randomForest.importance <- importance(randfor)
randomForest.importance

#using caret package to calculate the variable importance

caret.importance <- varImp(randfor,scale = FALSE)

#print the overalll value of the input variables

print(caret.importance)

#display the variable importance plot

plot(caret.importance)