如何在插入符号中使用调优(现有)参数来构建模型？

Question

我正在尝试使用插入包构建一个支持向量机模型。在对参数进行调整之后，如何使用最优参数来建立模型，从而在将来使用该模型时不需要对参数进行调优？谢谢。

library(caret)
data("mtcars")

set.seed(100)
mydata = mtcars[, -c(8,9)]
model_svmr <- train(
  hp ~ ., 
  data = mydata, 
  tuneLength = 10, 
  method = "svmRadial", 
  metric = "RMSE", 
  preProcess = c('center', 'scale'),
  trControl = trainControl(
    method = "repeatedcv", 
    number = 5, 
    repeats = 2, 
    verboseIter = TRUE
    )
  )

model_svmr$bestTune

结果表明，sigma=0.1263203，C=4.如何利用可调参数建立支持向量机模型？

Answer 1

来自此页的caret包文档：

在已知模型优化值的情况下，可以使用train将模型拟合到整个培训集，而无需任何重采样或参数优化。可以在method = "none"中使用trainControl选项。

在你的例子中，这看起来是：

library(caret)
data("mtcars")

set.seed(100)
mydata2 <- mtcars[, -c(8, 9)]
model_svmr <- train(
  hp ~ .,
  data = mydata,
  method = "svmRadial",
  trControl = trainControl(method = "none"),    # Telling caret not to re-tune
  tuneGrid = data.frame(sigma=0.1263203, C=4)   # Specifying the parameters
)

我们删除了任何与调优相关的参数，即tunelength、metric和preProcess。

请注意，plot.train、resamples、confusionMatrix.train和其他几个函数将不与此对象一起工作，但predict.train和其他函数将使用。