我正在尝试使用 caret
包来运行 KNN 算法来找到最佳 k 值。我的数据看起来 like this (代码上的 datanet
),"ACTIVITY_X"
、"ACTIVITY_Y"
和 "ACTIVITY_Z"
是我的预测变量我想根据 B 列到 D 列的值对“事件”
进行分类。所有列都具有相同的行数。
为此,我首先需要拆分数据以进行交叉验证。这是我的代码示例:
# Split the data:
indxTrain <- createDataPartition(y = datanet$ACTIVITY_X,p = 0.8,list = FALSE)
training <- datanet[indxTrain,]
testing <- datanet[-indxTrain,]
# Run k-NN:
set.seed(400)
ctrl <- trainControl(method="repeatedcv",repeats = 3)
knnFit <- train(Event ~ ., data = training, method = "knn", trControl = ctrl, preProcess = c("center","scale"),tuneLength = 20)
knnFit
#Use plots to see optimal number of clusters:
#Plotting yields Number of Neighbours Vs accuracy (based on repeated cross validation)
plot(knnFit)
我的问题有两个:
1) 如果我在使用 caret
包时理解正确,则 createDataPartition
中的 y
参数需要是预测变量,对吗?
2) 如果是这样,我有前面提到的三个预测变量("ACTIVITY_X"
、"ACTIVITY_Y"
和 "ACTIVITY_Z"
),但如果我运行 createDataPartition(y = datanet$(ACTIVITY_X, ACTIVITY_Y, ACTIVITY_Z)p = 0.8,list = FALSE)
我会收到一条错误消息。
关于当预测变量数据包含多列时如何使用 createDataPartition
进行交叉验证有什么想法吗?
仅使用一个预测器(假设“ACTIVITY_X”
)运行createDataPartition
是否可以,因为分区随后将应用于其余列?
感谢任何帮助!
最佳答案
您需要根据目标变量而不是预测变量来分割数据。即:
indxTrain <- createDataPartition(y = datanet$Event,p = 0.8,list = FALSE)
以下是 ?createDataPartition
的原因:
y
a vector of outcomes. For createTimeSlices, these should be in chronological order.
关于r - 为插入符包中的多个列创建DataPartition,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54477978/