如何在R中使用Caret软件包进行培训、验证和测试？

我是使用Caret软件包进行培训、验证和测试的初学者。我在网上进行了研究，发现它有点让人困惑（看起来大多数都是在没有验证的情况下进行训练和测试），你能给出一个代码示例来说明它是如何工作的吗？

train

允许你进行验证和其他操作。您可以向

trControl

参数提供

trainControl

函数，该函数允许您指定培训过程的详细信息。默认情况下，

train

已将75%的数据拆分为用于培训的数据，将25%的数据拆分为用于验证的数据，您也可以在

trainControl

中对此进行更改

我建议您查阅

train

和

trainControl

文档，并了解有关您可以在培训程序中指定的详细信息

下面是一个简单的示例，使用5倍交叉验证训练随机林，并使用插入符号和

train

函数对数据进行标准化，以更好地举例说明

（注意：我添加了一些不必要的东西，例如

verbositer=TRUE

和

classProbs=TRUE

只是为了向您展示使用插入符号获得的一些特性）

---

希望这对您有所帮助

您应该遵循一个教程，例如：拆分为训练和验证。以后再测试。

library(caret)
library(datasets)

# Loading the iris dataset
data(iris)

# Specifying an 80-20 train-test split
train_idx = createDataPartition(iris$Species, p = .8, list = F)

# Creating the training and testing sets
train = iris[train_idx, ]
test = iris[-train_idx, ]

# Declaring the trainControl function
train_ctrl = trainControl(
  method  = "cv", #Specifying Cross validation
  number  = 5, # Specifying 5-fold
  verboseIter = TRUE, # So that each iteration you get an update of the progress
  classProbs = TRUE # So that you can obtain the probabilities for each example
)

rf_model = train(
  Species ~., # Specifying the response variable and the feature variables
  method = "rf", # Specifying the model to use
  data = train, 
  trControl = train_ctrl,
  preProcess = c("center", "scale") # Do standardization of the data
)

# Get the predictions of your model in the test set
predictions = predict(rf_model, newdata = test)

# See the confusion matrix of your model in the test set
confusionMatrix(predictions, test$Species)