为插入符号包中的多个列创建数据分区

Question

我正在尝试使用 caret 包到运行 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，因为我想根据 "Event" 进行分类基于 B 列到 D 列的值。所有列的行数都相同。

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，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"），但是如果我运行ning 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个列时如何使用 createDataPartition 进行交叉验证的任何想法？

仅运行 createDataPartition 和一个预测变量（假设 "ACTIVITY_X"）是否可以，因为分区将应用于其余列？

感谢任何帮助！

Answer 1

您需要根据目标变量而不是预测变量来拆分数据。即：

indxTrain <- createDataPartition(y = datanet$Event,p = 0.8,list = FALSE)

这是 ?createDataPartition 的原因：

y
a vector of outcomes. For createTimeSlices, these should be in chronological order.

为插入符号包中的多个列创建数据分区

createDataPartition for several columns in caret package

r

machine-learning

knn

cross-validation

r-caret