Evitare di iterazioni durante il calcolo accuratezza media modello

Question

sto adattando un modello in R.

• utilizzare il metodo createFolds per creare diverse pieghe k dal set di dati
• ciclo tra le pieghe, ripetendo il seguente ad ogni iterazione:
  • train il modello su k-1 pieghe
  • predict i risultati per l'i-esimo piego
  • precisione calcolare la previsione
• media l'accuratezza

La R ha una funzione che si fa pieghe, ripete il modello di sintonizzazione / previsioni e dà la schiena media accuratezza?

Answer 1

Sì, si può fare tutto questo utilizzando il Caret ( http: // accento circonflesso .r-forge.r-project.org / training.html ) pacchetto in R. Ad esempio,

fitControl <- trainControl(## 10-fold CV
                           method = "repeatedcv",
                           number = 10,
                           ## repeated ten times
                           repeats = 10)

gbmFit1 <- train(Class ~ ., data = training,
                 method = "gbm",
                 trControl = fitControl,
                ## This last option is actually one
                ## for gbm() that passes through
                verbose = FALSE)
gbmFit1

che darà l'uscita

Stochastic Gradient Boosting 

157 samples
 60 predictors
  2 classes: 'M', 'R' 

No pre-processing
Resampling: Cross-Validated (10 fold, repeated 10 times) 

Summary of sample sizes: 142, 142, 140, 142, 142, 141, ... 

Resampling results across tuning parameters:

  interaction.depth  n.trees  Accuracy  Kappa  Accuracy SD  Kappa SD
  1                  50       0.8       0.5    0.1          0.2     
  1                  100      0.8       0.6    0.1          0.2     
  1                  200      0.8       0.6    0.09         0.2     
  2                  50       0.8       0.6    0.1          0.2     
  2                  100      0.8       0.6    0.09         0.2     
  2                  200      0.8       0.6    0.1          0.2     
  3                  50       0.8       0.6    0.09         0.2     
  3                  100      0.8       0.6    0.09         0.2     
  3                  200      0.8       0.6    0.08         0.2     

Tuning parameter 'shrinkage' was held constant at a value of 0.1
Accuracy was used to select the optimal model using  the largest value.
The final values used for the model were n.trees = 150, interaction.depth = 3     
and shrinkage = 0.1.

Caret offre molte altre opzioni come bene così dovrebbe essere in grado di soddisfare le vostre esigenze.