12

http://archive.ics.uci.edu/ml/machine-learning-databases/undocumented/connectionist-bench/sonar/で入手可能なデータを使用して、いくつかの分類方法/ハイパーパラメーターの k 倍 CV を作成しようとしています。 sonar.all-data .

このセットは 208 行で構成され、それぞれに 60 の属性があります。read.table 関数を使用して data.frame に読み込んでいます。

次のステップは、データを k 個のフォールドに分割することです。たとえば、k = 5 とします。最初の試みは、

test <- createFolds(t, k=5)

これには2つの問題がありました。1 つ目は、折り目の長さが互いに隣り合っていないことです。

       Length Class  Mode   
Fold1 29     -none- numeric <br />
Fold2 14     -none- numeric <br />
Fold3  7     -none- numeric <br />
Fold4  5     -none- numeric <br />
Fold5  5     -none- numeric

もう1つは、属性インデックスに従ってデータが明らかに分割されたということですが、データ自体を分割したいと考えています。次を使用して、data.frameを転置することで、次のように考えました。

test <- t(myDataNumericValues)

しかし、createFolds 関数を呼び出すと、次のようになります。

       Length Class  Mode   
Fold1 2496   -none- numeric <br />
Fold2 2496   -none- numeric <br />
Fold3 2495   -none- numeric <br />
Fold4 2496   -none- numeric <br />
Fold5 2497   -none- numeric

長さの問題は解決されましたが、それでも 208 データが適切に分割されません。

私は何ができますか？キャレットパッケージはおそらく最も適切ではないでしょうか?

4

2 に答える 2

33

?createFolds関数が何をするかを理解するために読んでください。どのデータが別々のフォールドに保持されるかを定義するインデックスを作成します(逆を返すオプションを参照してください)。

  > library(caret)
  > library(mlbench)
  > data(Sonar)
  > 
  > folds <- createFolds(Sonar$Class)
  > str(folds)
  List of 10
   $ Fold01: int [1:21] 25 39 58 63 69 73 80 85 90 95 ...
   $ Fold02: int [1:21] 19 21 42 48 52 66 72 81 88 89 ...
   $ Fold03: int [1:21] 4 5 17 34 35 47 54 68 86 100 ...
   $ Fold04: int [1:21] 2 6 22 29 32 40 60 65 67 92 ...
   $ Fold05: int [1:20] 3 14 36 41 45 75 78 84 94 104 ...
   $ Fold06: int [1:21] 10 11 24 33 43 46 50 55 56 97 ...
   $ Fold07: int [1:21] 1 7 8 20 23 28 31 44 71 76 ...
   $ Fold08: int [1:20] 16 18 26 27 38 57 77 79 91 99 ...
   $ Fold09: int [1:21] 13 15 30 37 49 53 74 83 93 96 ...
   $ Fold10: int [1:21] 9 12 51 59 61 62 64 70 82 87 ...

これらを使用してデータを分割するには:

   > split_up <- lapply(folds, function(ind, dat) dat[ind,], dat = Sonar)
   > dim(Sonar)
   [1] 208  61
   > unlist(lapply(split_up, nrow))
   Fold01 Fold02 Fold03 Fold04 Fold05 Fold06 Fold07 Fold08 Fold09 Fold10 
       21     21     21     21     20     21     21     20     21     21

関数trainは、実際のモデリングを行うためにこのパッケージで使用されます (通常、自分で分割を行う必要はありません。このページを参照してください)。

于 2014-04-07T13:33:27.667 に答える
0

私はcaretパッケージに詳しくありませんが、パッケージの決定木に基づいて CV を計算する関数を作成していましたrpart。もちろん、目的に合わせて機能をモチーフにする必要があります。

CV <- function(form, x, fold = 10, cp = 0.01) {
  # x is the data
  n <- nrow(x)
  prop <- n%/%fold
  set.seed(7)
  newseq <- rank(runif(n))
  k <- as.factor((newseq - 1)%/%prop + 1)

  y <- unlist(strsplit(as.character(form), " "))[2]
  vec.accuracy <- vector(length = fold)
  for (i in seq(fold)) {
    # It depends on which classification method you use
    fit <- rpart(form, data = x[k != i, ], method = "class")
    fit.prune <- prune(fit, cp = cp)
    fcast <- predict(fit.prune, newdata = x[k == i, ], type = "class")
    cm <- table(x[k == i, y], fcast)
    accuracy <- (cm[1, 1] + cm[2, 2])/sum(cm)
    vec.accuracy[i] <- accuracy
  }
avg.accuracy <- mean(vec.accuracy)
avg.error <- 1 - avg.accuracy
cv <- data.frame(Accuracy = avg.accuracy, Error = avg.error)
return(cv)

}

于 2014-04-07T06:01:46.993 に答える