Я сейчас пользуюсьcaretEnsemble Пакет в R для объединения нескольких моделей, обученных в карете. У меня есть список финальных обученных моделей (скажем,model_list) с помощьюcaretList Функция из того же пакета следующим образом.

    model_list <- caretList(
    x = input_predictors, 
    y = input_labels, 
    metric = 'Accuracy',
    tuneList = list(
        randomForestModel =   caretModelSpec(method='rf', 
                                             tuneLength=1, 
                                             preProcess=c('BoxCox', 'center', 'scale')), 
        ldaModel = caretModelSpec(method='lda', 
                                  tuneLength=1, 
                                  preProcess=c('BoxCox', 'center', 'scale')),
        logisticRegressionModel =  caretModelSpec(method='glm', 
                                                  tuneLength=1, 
                                                  preProcess=c('BoxCox', 'center', 'scale'))
    ), 
    trControl = myTrainControl
)

Объект управления поездом, который я предоставил, был следующим:

    myTrainControl = trainControl(method = "cv", 
                              number = 10, 
                              index=createResample(training_input_data$retinopathy, 10),
                              savePredictions = TRUE, 
                              classProbs = TRUE, 
                              verboseIter = TRUE, 
                              summaryFunction = twoClassSummary)

Сейчас я тренируюсь в списке моделей:

ens <- caretEnsemble(model_list)

применениеsummary наens говорит мне выбранные модели (изmodel_list), вес, выделенный для этих выбранных моделей, вне образцаAUC значения для каждой из выбранных моделей и, наконец, в выборкеAUC значения дляens.

Теперь я хочу вычислить производительностьens на других тестовых данных (чтобы получить представление о производительности вне выборки). Как бы я этого достиг?

Я пробую это как:

ensPredictions <- predict(ens, newdata = test_data)

но это дает мне ошибку как:

Error in `[.data.frame`(out, , obsLevels, drop = FALSE) : 
  undefined columns selected