caret包处理流程

转自：http://blog.csdn.net/wolfbloodbj/article/details/8831889

caret包可以处理至少以下事情.

1、初步筛选属性(过滤以下属性)

a、找出 属性值接近为常数的 属性  nearZeroVar

b、找出 相关系数最大的        属性  findCorrelation

c、找出 多重共线性的           属性  findLinearCombos

2、处理缺失值 

preProcess(data, method=c("bagImpute","knnImpute"));predict(pro, newdata)

3、中心化、标准化

preProcess(data, method=c("center","scale"))

4、特征选择

rfeControl, rfe

5、抽样数据划分

createDataPartition()

createFold()…

6、模型训练

trainControl():设置训练交叉验证的重数,重复几次等

train(): 设置使用何种模型训练(查看函数定义[非常之多])

7、预测结果

predict()

# 定义属性个数

data(mdrr)

# 0 variance

newdata <- mdrrDescr[, -nearZeroVar(mdrrDescr)]

# high cor

descrCorr <- cor(newdata)

newdata2 <- newdata[, -findCorrelation(descrCorr)]

# 去掉共线性(如果存在)

comboInfo <- findLinearCombos(newdata2)

if(!is.null(comboInfo)){

     newdata3 <- newdata2[, -comboInfo$remove]

} 

# 如果有缺失值,使用bagImpute,knnImpute进行计算填补

if(nrow(newdata2[!complete.cases(newdata2),])=0)

{

process <- preProcess(newdata2, method="bagImpute")

pre <- predict(process, newdata2)

}

# feather selection

# 产生检测属性个数的序列

subsets <- seq(2, ncol(newdata2), by=2)

# define rfeControl

ctl <- rfeControl(functions=rfFuncs, method="cv", verbose=FALSE, returnResamp="final")

# rfe: feature selection

pro <- rfe(newdata2, mdrrClass, sizes = subsets, rfeControl=ctl)

plot(pro);

# feature selected variables

pro$optVariables

# 训练模型

# 获取特征选择后的属性

newdata4 <- newdata2[, pro$optVariables]

# 训练数据和测试数据

index <- createDataPartition(mdrrClass, p=3/4, list=F)

trainx <- newdata4[index,]

trainy <- mdrrClass[index]

testx <- newdata4[-index,]

testy <- mdrrClass[-index]

# 设置模型训练参数并拟合模型

fitControl <- trainControl(method="repeatedcv", number=10, repeats=3, returnResamp="all")

gbmGrid <- expand.grid(.interaction.depth=c(1,3), .n.trees=seq(50,300,by=50), .shrinkage=0.1)

gbmFit1 <- train(trainx, trainy, method="gbm", trControl=fitControl, tuneGrid= gbmGrid, verbose=F)

trainControl

plot(gbmFit1)

# 使用训练好的模型进行predict

predict(gbmFit1, newdata=testx)

# 混淆矩阵查看结果

table(testy, predict(gbmFit1, newdata=testx))

# 使用另外的模型(装袋法)

gbmFit2 <- train(trainx, trainy, method="treebag", trControl=fitControl)

table(testy, predict(gbmFit2, newdata=testx))

models <- list(gbmFit1, gbmFit2);

predValues <- extractPrediction(models, testX=testx, testY=testy)

# predValues <- extractPrediction(models, testX=testx)