列车功能返回Caret/R后，如何确定选择哪种型号？如何交叉检查？

我花了很多时间试图理解

train

函数是如何工作的，但我仍然不知道它是如何工作的。我正在训练一个

neuralnet

，使用

train

函数预测时刻表

当我在培训后绘制模型时，我得到以下网络：

在绘图中，它表示

Error=0.01643

，我刚刚意识到，每当我

train

并绘制我的

finalModel

时，绘图中的

Error

值总是碰巧是

train

函数返回后我得到的最后一条输出消息中的

Error

值

所以我想知道是否选择了最后一个模型，因为最后一个模型没有最低的

RMSE

。我假设这些输出消息实际上是有序的，换句话说，第一个输出

隐藏：8 thresh:0.01 rep:1/1 steps:10304错误：0.01592时间：1.75秒

来自

Fold01.Rep1

，最后一个来自

FoldK.RepN

，在我的例子中是

Fold10.Rep3

我想我可以做这个交叉检查，重新计算每个保持的

RMSE

s（因为这是

finalModel

）的决定指标，然后将结果与

tt.cv$resamples$RMSE

进行比较。因此，我将看到一行，其中我对

RMSE

和

tt.cv$resample$RMSE

的重新计算将相等，这意味着，该特定模型被选为我的

finalModel

然而，当我重新计算每个保持的所有

RMSE

s时，我没有看到我的计算与

tt.cv$resample$RMSE

相等的任何行。下面您可以看到比较：

RMSE

列具有我从

tt.cv$resamples$RMSE

获得的实际

RMSE

值，

RMSE\u ho

列具有我使用

finalModel

重新计算的

RMSE

值

请您指出我是否有任何错误，以及我如何交叉检查所选的模型

在我写这篇文章的时候，我刚刚意识到，如果我计算输出，实际上有31个模型。我在网上的某个地方读到过，但现在再也找不到了

代码如下：

库（插入符号）
图书馆（neuralnet）
#创建数据集
我刚刚发现了，这证明我的问题是错的。但是我仍然想知道如何使用这些模型来构建
最终模型。同样，在您的代码中，您只评估一个模型
expand.grid（layer1=8，layer2=0，layer3=0）
。您将通过执行3次重复10倍CV来评估它-因此30个模型将适合使用一些数据分割来评估性能，最后使用最佳超参数构建整个数据的模型（第31个模型）。在您的情况下，仅提供了一个超参数组合，因此这是最好的。如果您计划使用插入符号，我也建议您使用。谢谢，我实际上只阅读了部分内容，哈哈，但我会全部阅读。：）