R插入符号/rfe内培训的交叉验证如何工作

我对

caret

库中的

rfe

函数有一个问题。在插入符号主页上，他们给出了以下RFE算法：

对于这个例子，我使用带有3倍交叉验证的

rfe

函数和带有线性SVM和5倍交叉验证的训练函数

library(kernlab)
library(caret)
data(iris)

# parameters for the tune function, used for fitting the svm
trControl <- trainControl(method = "cv", number = 5)

# parameters for the RFE function
rfeControl <- rfeControl(functions = caretFuncs, method = "cv",
                     number= 4, verbose = FALSE )

rf1 <- rfe(as.matrix(iris[,1:4]), as.factor(iris[,5]) ,sizes = c( 2,3) ,  
           rfeControl = rfeControl, trControl = trControl, method = "svmLinear")

从这一点来看，5倍cv的训练集的大小似乎是120个样本，而我预期的大小是80

所以，如果有人能澄清rfe和train是如何协同工作的，那就太好了

干杯

> sessionInfo()
R version 2.15.1 (2012-06-22)
Platform: i386-apple-darwin9.8.0/i386 (32-bit)

locale:
[1] C

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
 [1] pROC_1.5.4      e1071_1.6-1     class_7.3-5     caret_5.15-048 
 [5] foreach_1.4.0   cluster_1.14.3  plyr_1.7.1      reshape2_1.2.1 
 [9] lattice_0.20-10 kernlab_0.9-15 

loaded via a namespace (and not attached):
 [1] codetools_0.2-8 compiler_2.15.1 grid_2.15.1     iterators_1.0.6
 [5] stringr_0.6.1   tools_2.15.1   

---

这里的问题是

lappy（rf1$fit$control$index，length）

没有存储我们认为它能存储的内容

让我明白有必要研究代码。发生的情况如下：

调用

rfe

时，整个数据将传递到

nominalRfeWorkflow

在

nominalRfeWorkflow

中，根据

rfeControl

分割的列车和测试数据（在我们的示例中，根据3倍CV规则分割3次）被传递给

rfeIter

。 我们可以在

rf1$control$index

下的结果中找到这些拆分

在

rfeIter

中，使用~100个训练样本（我们的示例）查找最终变量（即该函数的输出）。 据我所知，50个测试样本（我们的示例）用于计算不同变量集的性能，但它们仅存储为外部性能，而不用于选择最终变量。 为了选择这些，使用了5倍交叉验证的性能估计。 但是我们无法在

rfe

返回的最终结果中找到这些索引。 如果我们真的需要它们，我们需要从

rfeIter

中的

fitObject$control$index

中获取它们，将它们返回到

nominalRfeWorkflow

，然后返回到

rfe

，并从那里得到

rfe

返回的

rfe

类对象

那么

lappy（rf1$fit$control$index，length）

中存储了什么呢当

rfe

找到最佳变量时，将使用最佳变量和完整参考数据（150）创建最终模型拟合

rf1$fit

在

rfe

中创建，如下所示：

---

fit 5-fold CV为每个CV臂保留五分之一的数据集。因此，每次训练120次，测试集是剩余的30个样本。30个样本*5=150个样本。是的，但根据算法描述，5倍CV应应用于由3倍CV产生的训练数据。因此，第一套训练集=150/3*2，第二套100/5*4=80。@Fabian_G你有没有想过？我遇到了同样的问题，正在考虑联系topepo或提交错误报告。
> sessionInfo()
R version 2.15.1 (2012-06-22)
Platform: i386-apple-darwin9.8.0/i386 (32-bit)

locale:
[1] C

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
 [1] pROC_1.5.4      e1071_1.6-1     class_7.3-5     caret_5.15-048 
 [5] foreach_1.4.0   cluster_1.14.3  plyr_1.7.1      reshape2_1.2.1 
 [9] lattice_0.20-10 kernlab_0.9-15 

loaded via a namespace (and not attached):
 [1] codetools_0.2-8 compiler_2.15.1 grid_2.15.1     iterators_1.0.6
 [5] stringr_0.6.1   tools_2.15.1