交叉验证插入符分配给不同的褶皱预测(Cross-validation predictions fro

我很奇怪，为什么从“Fold1的预言实际上是我的预定义的褶皱从第二倍的预测。附上我的意思的例子。

# load the library
library(caret)
# load the cars dataset
data(cars)
# define folds
cv_folds <- createFolds(cars$Price, k = 5, list = TRUE, returnTrain = TRUE)
# define training control
train_control <- trainControl(method="cv", index = cv_folds, savePredictions = 'final')
# fix the parameters of the algorithm
# train the model
model <- caret::train(Price~., data=cars, trControl=train_control, method="gbm", verbose = F)

model$pred$rowIndex[model$pred$Resample == 'Fold1'] %in% cv_folds[[2]]

的重新取样数据'Fold1'是其不是在记录cv_folds[[1]] 这些记录包含在cv_folds 2-5。当你运行的是5倍交叉验证这是正确的。重新取样折1对培训褶皱2-5的模型进行测试。重新取样倍2抵抗训练测试的褶皱1,3-5，依此类推。

总结：在这些预测Fold1从培训cv_folds 2-5的模型试验预测。

编辑：根据评论

所有需要的信息是在模型$预计值表。我加了一点澄清代码：

model$pred %>% 
  select(rowIndex, pred, Resample) %>%
  rename(predection = pred, holdout = Resample) %>% 
  mutate(trained_on = case_when(holdout == "Fold1" ~ "Folds 2, 3, 4, 5",
                                holdout == "Fold2" ~ "Folds 1, 3, 4, 5", 
                                holdout == "Fold3" ~ "Folds 1, 2, 4, 5", 
                                holdout == "Fold4" ~ "Folds 1, 2, 3, 5", 
                                holdout == "Fold5" ~ "Folds 1, 2, 3, 4"))

  rowIndex predection holdout       trained_on
1      610   13922.60   Fold2 Folds 1, 3, 4, 5
2      623   38418.83   Fold2 Folds 1, 3, 4, 5
3      604   12383.55   Fold2 Folds 1, 3, 4, 5
4      607   15040.07   Fold2 Folds 1, 3, 4, 5
5       95   33549.40   Fold2 Folds 1, 3, 4, 5
6      624   40357.35   Fold2 Folds 1, 3, 4, 5

Basicly您需要进一步与预测堆叠什么是pred和rowIndex从模型$ PRED表列。

该rowIndex位置是指从原始数据行。所以rowIndex位置610是指记录在汽车数据集610。您可以比较，在OBS的数据，这是从汽车数据集的价格列的值。