TuneRanger中的重复CV
TuneRanger中的重复CV
提问于 2020-08-22 12:47:07
我正在使用包"TuneRanger“来调优射频模型。它工作良好，我取得了很好的结果，但我不确定它是否过分适合我的模型。我想使用一个重复的简历，为每一个实例，包是调优模型，但我找不到一个方法来做。另外，我想知道是否有人知道这个包如何验证每次尝试的结果(火车测试，cv，重复cv?)我一直在阅读这个包裹(https://cran.r-project.org/web/packages/tuneRanger/tuneRanger.pdf)的说明，但它并没有提到它。
谢谢你的帮助。
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-08-22 15:40:23
包外的估计是用来估计误差的，我不认为你可以用那个包转到简历上。这取决于你决定简历是否比这更好。在他们的自述文件中，他们链接到一个出版，在第3.5节中他们写道：
公开的预测用于评估，这比其他使用评估策略的包(如交叉验证)要快得多。
如果要使用交叉验证或重复交叉验证，则必须使用caret，例如：
library(caret)
mdl = train(Species ~ .,data=iris,method="ranger",trControl=trainControl(method="repeatedcv",repeats=2),
tuneGrid = expand.grid(mtry=2:3,min.node.size = 1:2,splitrule="gini"))
Random Forest
150 samples
4 predictor
3 classes: 'setosa', 'versicolor', 'virginica'
No pre-processing
Resampling: Cross-Validated (10 fold, repeated 2 times)
Summary of sample sizes: 135, 135, 135, 135, 135, 135, ...
Resampling results across tuning parameters:
mtry min.node.size Accuracy Kappa
2 1 0.96 0.94
2 2 0.96 0.94
3 1 0.96 0.94
3 2 0.96 0.94
Tuning parameter 'splitrule' was held constant at a value of gini
Accuracy was used to select the optimal model using the largest value.
The final values used for the model were mtry = 2, splitrule = gini
and min.node.size = 1.您可以调优的参数是不同的。我认为mlr也允许您执行交叉验证，但同样的限制也适用。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/63536361
复制相关文章
相似问题
腾讯云开发者
